随着化石能源的枯竭以及生态环境的恶化,加速实现以可再生能源为主的电力系统转型已成为世界各国的共识。为解决高比例可再生能源并网可能出现的稳定性问题,实现可再生能源就地消纳并促进用户积极参与能量调控,包括美国、意大利在内等多个国家已开始推行以公用计量表计为物理分界线,用户侧为核心的集大量分布式可再生能源的表后（Behind-the-meter,BTM）系统。但在BTM系统净能量计量下,用户呈现给外界的仅为负荷需求与可再生能源出力耦合的净负荷信息,这将导致表前侧能量信息匮乏,出现难以实施精准能量预测、制定最优需求响应计划等一系列问题。本文以包含有分布式光伏出力设备的BTM系统为研究对象,提出了一种光伏出力分解技术对BTM系统净负荷进行分解,并基于分解结果展开了关于能量预测以及激励型需求响应基线负荷的相关研究。主要工作内容如下:（1）对BTM系统光伏出力分解技术进行了总结归纳,并针对已有分解技术存在的缺陷提出了一种基于深度学习框架的BTM系统光伏出力分解方法。该方法摆脱了现有大部分光伏出力分解模型对能量代理站点设立、光伏系统模型构建的依赖性。建模过程中,首先,根据用户用电行为相似性及辐照度相似性对净负荷数据进行了匹配筛选,并提取了光伏出力差值特征与负荷需求差值特征。然后,以气象数据作为输入,所提取的特征作为监督目标,通过深度长短期神经网络构建了光伏出力差值拟合模型和负荷需求差值拟合模型。最后,利用光电转换特性实现了光伏出力差值拟合模型向光伏出力分解模型的转化。实验结果表明在仅需要历史净负荷数据与气象数据的情况下,所提BTM光伏出力分解算法拥有比基准算法更高的分解精度。（2）针对所提初始BTM光伏出力分解算法难以对辐照度的时移特性进行解释以及对用户用电行为解释性差的问题,提出了一种基于交互迭代更新策略的表后光伏出力分解方法。首先,在光伏出力差值拟合模型建模阶段加入了太阳运行轨迹特征作为额外特征以对辐照度出现的时移现象进行解释。其次,基于负荷预测的思想,在构建负荷需求差值拟合模型时,引入了历史负荷需求分解值作为额外的时间序列特征,以解决气象数据难以有效解释用户用电行为变化的问题。最后,提出了一种交互迭代更新策略,利用所构建的光伏出力差值拟合模型和负荷需求差值拟合模型的输出,对彼此拟合模型的监督目标进行迭代修正,实现模型的交互更新。实验结果表明,所提算法的差值建模特性,使模型拥有极强的鲁棒性,在面对计量表计出现因未校准造成的长期稳定性问题时,仍具备良好的分解性能。且利用自身净负荷生成监督目标的特性,使所提模型可适用于不同光伏渗透率、不同光伏板制造工艺以及不同光伏设备类型等多种BTM系统光伏出力分解场景。（3）针对BTM系统净能量计量政策下,向表前侧呈现的净负荷数据会出现负荷需求信息和光伏出力信息相互掩盖的问题,提出了短期净负荷间接预测策略和基线负荷间接估计策略。上述策略下,基于净负荷分解结果,在构建短期净负荷预测模型以及需求响应（Demand Response,DR）用户基线负荷（Customer Baseline Load,CBL）估计模型时,将在单独对分解所得能量信息进行有针对性的预测或估计后,进行不同部分预测或估计结果相结合,以获得最终的计算结果。在短期净负荷间接预测策略建模过程中,对负荷需求数据进行了基于经验模态分解及样本熵的数据重构。使用时间卷积网络搭建的预测模型所获得的结果表明,短期净负荷间接预测策略比直接预测策略拥有更低的预测误差。而在CBL间接估计策略建模过程中,利用光伏出力分解技术,对用于DR结算的CBL中光伏出力部分进行了基于辐照度信息的修正,使CBL估计结果更加精确、稳定,为激励型DR实施提供了客观公平的数据基础。（4）CBL是负荷聚合商实施激励型DR时计算用户激励补偿的重要依据。BTM系统净能量计量政策下,仅可使用基于净负荷的CBL（Net Load Based Customer Baseline Load,NL-CBL）作为计量标准实施激励型DR,但此时易出现因光伏出力不确定性所导致的用户不参与激励型DR的情况。针对上述问题,提出了一种基于负荷需求的CBL（Load Based Customer Baseline Load,L-CBL）作为计量标准实施激励型DR的策略进行解决。所构建的考虑基线负荷估计偏差的激励型DR经济型模型表明,对于负荷削减比例调整型的用户来说,采用L-CBL作为计量标准,可有效避免因光伏出力不确定性造成的用户参与激励型DR意愿降低的情况。且此时负荷聚合商仍可通过实施不同的CBL估计均值法（High5of10、Mid4of6和Low4of5）实现对用户负荷需求削减量的控制。所构建的考虑光伏出力不确定性的激励型DR经济性模型表明,采用L-CBL作为计量标准实施激励型DR,可规避激励型DR实施方与参与方因光伏出力不确定性带来的风险,提高负荷聚合商提供的激励补偿金额,增加用户的削减容量,实现双赢。