近年来全球能源紧缺问题愈加突出,节能低碳已成为世界各国的发展共识。在我国“双碳”目标下,数字电网是电力行业加速能源体系转型、构建以新能源为主体的新型电力系统重要战略方向。而家庭非侵入式负荷监测（Non-intrusive load monitoring,NILM）和能量管理技术作为数字电网在用户侧的延伸,可以从家庭总表中的数据推算出家庭负荷的单体用电信息,以此帮助用户针对性地制定节能计划,促进电力资源的合理优化配置。该技术的实施对用电低碳化具有重要意义,体现出了广阔的研究前景和应用价值。针对当前负荷监测模型受限于欧式空间下数据的顺序输入,无法准确描述电器不同运行状态之间的时间关联性而导致分解准确度不高的问题,提出了一种基于图数据建模与图表示学习的NILM方法。首先,基于图理论将待分解信号转换为包含节点和边的“功率图数据”。其次,设计带残差机制的图卷积网络充分挖掘低采样频率下数据包含的属性特征和时间关联性特征,构建负荷分解的图表示学习。然后,针对模型分解结果缺乏精细化修正策略的问题提出改进的后处理方法,全面提升模型的综合性能。最后,实验结果表明本文方法具有较低的分解误差和较强的泛化性能。针对NILM的应用场景,提出了一种负荷分解结果驱动的自适应家庭能量管理系统（Home energy management system,HEMS）。首先,基于准确可靠的NILM结果构建家庭负荷使用行为的时域概率模型。然后,以此模型作为时间舒适度的计算依据,分别设计用电成本、时间舒适度和温度舒适度的目标函数,构建了HEMS混合整数线性规划模型求解。最后,实验结果表明相比于传统单目标优化的家庭能量管理策略,所提出的方法能找到用电成本和舒适度之间的最佳平衡点,验证了该方法的实用性。从提高HEMS应对环境不确定性变化的自适应能力的角度出发,提出了一种基于柔性行动者-评论家（Soft actor-critic,SAC）的分层HEMS优化策略。首先,构建家庭能量管理的马尔科夫决策过程,根据强化学习要素设计了相应的状态空间、动作空间和奖励函数。然后,引入SAC求解最优策略,第一层和第二层在保证舒适度的前提下形成家庭可控负荷的经济调度,第三层则在前两层决策的基础上优化储能装置的充放电过程,进一步节省用电成本。最后,实验结果表明,相比于数学优化求解方法,所提出的方法具有更强的应对环境变化不确定性的适应能力和更高的求解效率。