1.一種基于正弦余弦算法(SCA)的大規模電動汽車充放電多目標優化方法，包括以下步驟：
采集電網常規負荷預測信息、分時電價和各時刻接入電網的電動汽車信息，包括接入時間、離開時間、電池容量、電池充放電極限、充電電量；
根據接入電網的電動汽車的接入時間和離開時間劃分電動汽車群體；
以該時刻到優化結束時刻的減小區域內電網負荷曲線波動和用戶充電費用最小為優化目標，經各目標值進行加權處理確定適應度函數；
以電動汽車群體充放電極限、充電需求及相關約束條件確定基本控制模型；
根據區域內常規負荷預測情況、分時電價情況制定電動汽車群體各時段的充放電策略；
根據模型參數及約束條件初始化可控變量，所述初始化可控變量為各電動汽車群體各時段的充放電功率；
用SCA算法和適應度函數進行解的適應度評價；
根據正弦余弦變化的數學模型確定算法搜索方向，更新各電動汽車群體各時段的充放電功率；
判斷是否達到最大迭代次數或判斷收斂，若達到最大迭代次數或收斂，則結束計算并輸出各電動汽車群體各時段的充放電功率策略，否則，返回用SCA算法和適應度函數進行適應度評價的步驟。
2.根據權利要求1所述的基于正弦余弦算法的大規模電動汽車充放電多目標優化方法，其特征在于，根據電動汽車不同的接入時間和離開時間對大規模電動汽車進行群體的分群，以電動汽車群體作為優化單位，從而制定充放電策略。
3.根據權利要求1所述的基于正弦余弦算法的大規模電動汽車充放電多目標優化方法，其特征在于，電動汽車群體參數包括：接入時間、離開時間、電動汽車群體電池總容量、電動汽車群體電池總充電需求、電動汽車群體電池總充放電極限。
4.根據權利要求1所述的根據電動汽車不同的接入時間和離開時間對大規模電動汽車進行群體的分群，其特征在于，所述根據大規模電動汽車充放電優化目標為電網側負荷波動最小、用戶側充電費用最小為目標，經加權后確定適應度函數。