为响应国家“双碳”战略,推动能源需求改革,用户用电行为与家庭能源调度、电网与用户的交易模式受到了相关研究工作者的广泛关注。因此,如何设计用户参与电力市场化交易,实现居民侧与电网侧的友好互动成为能源需求管理研究的一个关键性问题。课题针对智能园区家庭能源管理模型进行优化调度研究:（1）针对用户用电行为,通过实地调研+问卷调查收集用电数据,并对该数据进行K-means聚类。由于K-means的初始聚类中心具有不确定性,提出一种采用麻雀算法（Sparrow Search Algorithm,SSA）优化K-means用户用电行为的分类方法。（2）针对粒子群算法（Particle Swarm Optimization,PSO）易陷入局部最优、全局搜索精度不高等缺点,提出改进惯性权重、速度以及位置动态更新的PSO算法进行智能园区单用户用电负荷优化调度。（3）针对多用户负荷模型高度非线性与复杂性问题,利用概率统计思想将负荷模型等效为四类用户调度之和,并进行功率约束和不同电价对比实验。（4）提出一种智能园区家庭能源交易模式,并对该交易模式进行投产分析。实验结果表明:在用户用电行为分类中,相较于K-means,经过SSA优化的K-means聚类模型提高了5.2%的准确率。以夏季单用户和多用户用电负荷优化调度为例进行仿真,改进的PSO算法不仅降低单用户用电成本4.9%,同时降低峰谷差。在多用户负荷优化调度实验中,考虑功率约束时,用户用电行为更符合实际用电习惯。与分时电价相比,实时电价为四类用户节省用电成本分别为43.14%、33.33%、46.53%和33.57%。在投产分析中,对于70年产权用户,回本年限为4年。总之,智能园区家庭能源管理系统实现了用电的低碳化,节约成本。