全球能源短缺和环境污染的影响使得电动汽车正在逐渐地代替燃油汽车。随着电动汽车的普及,其大规模化地接入电网充电即将成为一种趋势,将会对城市电网的正常运行造成巨大的挑战。由于大量电动汽车充电会对电网产生较大影响,因此对电动汽车的日负荷进行预测和优化是必要的。为此,本文对相关问题进行了研究,以实现对电动汽车日负荷预测及其峰谷差优化。首先,针对电动汽车日负荷预测问题,本文提出了一种基于双链马尔科夫和决策树的预测方法。根据马尔科夫的无后性,在考虑电动汽车出行时间对出行路径的影响下,制定出电动汽车的双链马尔可夫随机路径预测模型。在对电动汽车的路径进行模拟之后,以电动汽车的停车地点、天气和荷电状态等作为特征向量,采用决策树的方法对电动汽车充电方式进行预测。根据电动汽车选择的充电方式计算充电时长,采用蒙特卡洛的思想对电动汽车的日负荷分布进行预测。其次,针对电动汽车日负荷分布曲线中的较大峰谷差问题,提出了相应的优化管理策略。在电动汽车协同发电机组运行时,对参与放电的电动汽车实行调度,构建包括电动汽车日负荷峰谷差最小及其电动汽车用户和发电机组放电成本最低的优化模型。通过对非支配排序遗传算法（NSGA-Ⅱ）中的精英策略部分进行改进,利用改进后的NSGA-Ⅱ算法对构建的优化模型进行求解,实现电动汽车日负荷分布的削峰填谷。最后,通过仿真验证了本文提出的方法能够更好地实现电动汽车的日负荷预测和优化。