随着我国社会经济发展迅速,技术也在不断进步,人们用电量持续上升,这对电力系统的要求也越来越高。基于这一背景,在考虑资源节约以及环境保护的同时,电力系统的节能减排变得刻不容缓。智能电网的提出和建设为这一问题提供了解决的思路,发展智能电网不仅将拉动经济的发展,还对减少环境污染和节约资源有难以估计的价值。当前智能电网在我国的发展刚刚起步,在发展过程中智能电网还会不断完善,并将带动相关行业的发展。现如今,我国政府统一管理电价,在这种情况下电力的供需关系并不能由电价真实反映出来,这就会导致在供需关系波动时,电力公司没有高效的调节办法,造成资源的巨大浪费。所以,实时电价的研究是非常重要的,电价随供需关系而定将会使用户和发电企业获得双赢。尽管关于电价优化的研究已经取得了一些研究成果,但是存在一些问题,比如,优化后的电价并不是最优的电价,也就是优化算法的收敛性不好。也可能优化电价需要的时间较长,也就是优化算法的收敛速度慢。神经网络作为一种智能优化算法,在求解复杂优化问题方面具有并行计算和收敛速度快等优势。所以,将神经网络这种算法引入到实时电价优化问题中有重要的意义。首先,针对目前解决非线性最优化问题的各种方法的弊端以及某些方面的不足,在第二章中提出了一个新的神经网络模型来解决非线性最优化问题。这类神经网络可以用电路实现,且具有求解简单的优点。分析了神经网络的解的全局存在性、唯一性和有界性,并且此神经网络的解可以在有限的时间内收敛到可行域中,最后分析了神经网路的全局吸引性,两个数值例子验证了此神经网络模型的有效性和优越性。接着,第三章给出了智能电网中实时电价的几种模型,并给出了一般的解决方法。第四章用基于子梯度的神经网络来优化第三章中提出的使用户和供应商利益均最大化的实时电价问题。通过和现有算法-分布式算法和一类神经网络算法进行对比仿真分析得出,基于子梯度的神经网络处理这类优化问题是正确有效的,并且比现有的算法优化效果更好。但是第四章中用到的方法理论上也有一些局限性,在第五章更进一步研究,通过用第二章提出的神经网络对实时电价进行优化。通过仿真对比分析,第二章研究的神经网络处理实时电价问题效果更好,还具有全局吸引的性质,更适合实时的优化。最后,总结了所做的工作内容,发现并找出了研究成果中尚存的问题和不足之处,这些都是将来的科研中仍需解决的问题。