自智能电网的概念被提出后,国内外均大力发展智能电网项目,特别是近些年我国的智能电网及相关产业得到了迅速发展。对于智能电网而言,精准的用电预测和合理的用电调度是必不可少的。而家庭用户则是智能电网的主要用电终端之一,更是整个电网系统信息反馈的重要组成部分,因此家庭用电预测和调度是提高智能电网运行效率和稳定性的基础。建立合理的模型和选取正确的预测方法在很大程度上决定了用电预测和调度的质量,所以研究用电预测的精准度和用电调度的科学性是很有必要的。本文旨在建立一种合理的、科学的调度模型,同时将BP神经网络和改进的粒子群优化算法相结合,并引入到用电预测和调度的领域中。本文以用电预测精度和调度后的用户满意度为目标,研究验证了上述混合人工智能算法在用电预测和调度中的有效性和科学性。论文的主要内容如下:首先依据实际数据说明我国的居民用电情况以及用电预测和调度的重要性,通过文献分析了各种数学模型和智能优化算法的优缺点。在此基础上,选择采用BP神经网络和改进的粒子群优化算法相结合的混合智能算法,应用于家庭用电预测和家用电器调度。其次设计了一个经典的智能家庭能源管理系统的结构图,提出了常规智能家庭能源管理系统应当具备的功能及其各个子模块。阐述了智能家庭能源管理系统的基本概念和功能架构,逐一介绍了各个子模块,其包含智能家庭能源管理系统中心、智能电表、通信和网络系统和其他智能设备。接着依据智能家庭能源管理系统的结构及其应用目的,以节省用户购电费用和提高用户满意度为目标,建立了科学合理的数学模型。同时依据算法选择的合理性,引入了BP神经网络,并概述其算法结构和学习过程。为改进BP神经网络易陷入局部极值的缺点,研究了粒子群算法对其改进的有效性。在此之上,进一步提出了基于自然常数e的非线性权重变化的粒子群优化算法,并利用标准测试函数证明了此改进算法的有效性。然后利用改进的粒子群算法优化BP神经网络,建立了基于混合智能算法的用电预测和调度模型。并以现阶段家庭用户用电量的实际数据为基础,进行了软件仿真研究与对比,结果表明本文所提出的控制策略在用电预测中精度较高,在用电调度上科学合理。最后,总结了全文的工作量,提出了文中仍需进一步完善和研究的工作,指出了用电预测和调度在理论和实际应用中需要进一步研究并相互印证的问题。图[27]表[13]参[74]