Cette thèse étudie l’impact du véhicule électrique en tant que voie de décarbonisation profonde dans les études de planification et d’exploitation. L’étape de planification comprend trois phases différentes: Phase I) Un modèle de planification pour un véhicule électrique enfichable est proposé dans cette phase. De plus, un contrôle de charge à deux niveaux pour le contrôle de charge et de décharge qui est capable de prendre en compte à la fois les intérêts des clients et de l’opérateur de système indépendant (ISO) est proposé dans cette phase. Phase II) Au cours de cette phase, on étudie l’impact du véhicule électrique autonome en tant que technologie de rupture sur la transition optimale vers les véhicules électriques rechargeables. Dans les deux phases précédentes, il n’y a aucun nouvel investissement dans le secteur de l’électricité et une méthode de de décomposition de benders est également appliquée pour linéariser la non-linéarité générée dans le problème d’optimisation par le schéma de contrôle des cycles de charge et décharge. Phase III) Ici, un problème de planification est proposé à la fois pour le secteur de l’électricité et celui des transports électrifiés afin de maximiser la pénétration des véhicules électriques rechargeables dans le réseau. Pour résoudre ce problème, on mets en oeuvre une optimisation robuste du point de vue de la distribution, basée l’analyse de scénario et appliquant une règle de décision affine pour gérer les incertitudes associées.Dans la deuxième étape de la thèse qui porte sur la programmation de l’exploitation, il y a deux phases : Phase I) Au cours de cette phase, une stratégie d’appel d’offres collaborative est proposée pour les agrégateurs de véhicules électriques participant au marché de l’électricité. Une optimisation robuste du point de vue des scénarios, capable de prendre en compte à la fois les informations concernant la distribution statistique distribution et les informations métriques de distance dans un ensemble d’ambiguïtés. Phase II) Un modèle de fiabilité pour le parc de véhicules électriques participant aux programmes de réponse à la demande est proposé. De plus, l’impact de l’IMA (infrastructure de mesurage avancée) réparable sur le modèle de fiabilité du parc de véhicules électriques est étudié dans cette phase. / This thesis investigates the impact of electric vehicle as a pathway for deep decarbonization in both planning and operation studies. The planning study stage include three different phases: Phase I) Aplanning model for plug-in electric vehicle is proposed in this phase. Moreover, a bi-level charging control for charging and discharging control which is able to consider both interests of customers and independent system operator (ISO) is proposed in this phase. Phase II) In this phase, the impact of autonomous electric vehicle as a clean disruptive technology is investigated on optimal transition to plug-in electric vehicles. In the two previous phases, there is no new investment in the electricity sector and also a benders decomposition method is applied to linearize the non linearity arising from the by charging and discharging control schemes in the optimization problem. Phase III) Herein, a planning problem is proposed for both electricity sector and electrified transportation sector in order to maximize the penetration of plug-in electric vehicles in the grid. A scenario based distributionally robust optimization applying affine decision rule to handle the associated uncertainties is proposed.In the second stage of the thesis which is the operation study, there are two phases as: Phase I) In this phase a collaborative bidding strategy is proposed for electric vehicles aggregator participating in electricity market. A scenario wise distributionally robust optimization which is able to consider both distributional information and distance metric information inside an ambiguity set is developed. PhaseII) Herein, a reliability model for electric vehicle fleet participating in demand response programs is proposed. Moreover, the impact of repairable AMI on reliability model of electric vehicle fleet is investigated in this phase.