随着电力系统中可再生能源（renewable energy sources,RES）渗透率的不断提高,电网不确定性、间歇性和波动性增加,同时来自传统机组的备用容量下降。此外,电动汽车（electric vehicle,EV）、空调负荷（air-conditioning load,ACL）水平的增加,也给配电网带来电力不平衡、线路或变压器过载、电压越限等问题,使得配电系统的安全稳定运行面临新的挑战。随着信息和通信技术的发展,使用智能控制策略对灵活性能源进行控制并积极参与电网协调成为可能。本文首先建立了配电网效益最大化优化问题的统一数学模型,并使用拉格朗日对偶分解方法对模型进行解耦。为了屏蔽各类资源的差异、保护用户隐私和解决操作权限问题,基于分解后的问题提出了基于市场机制的优化控制框架,实现了包括基于单次出清和基于迭代出清等两类方法。考虑到各类随机性对优化结果的影响,本文提出了适用于实时控制的滚动优化控制框架。其中,各子系统能够自主决定优化目标和时长,将自身偏好和灵活性以需求曲线的形式统一投标至本地市场。本文接着针对EV充电管理这一场景,考虑到EV用户行为的高度随机性,提出了电动汽车的非迭代实时滚动充电管理框架。针对EV独立决策出现的负荷尖峰现象,提出一种基于赫布型学习的阻塞预测方案;同时根据EV的最优充电轨迹,提出能够反映其控制灵活性和用电偏好的投标策略。本文在IEEE-33节点系统中仿真了不同EV渗透率下近一年的复杂充电场景,验证了该方法能有效降低整体阻塞水平并保证各用户的满意度。然后,本文将上述方法扩展至计及变压器老化成本的居民负荷用电管理中,并能兼顾各类ACL的用电成本和舒适度偏好。为了对配电网内大规模分布式能源资源（distributed energy resource,DER）进行有效聚合,提出了基于复合DER模型的递归聚合机制和分层控制框架。仿真验证了控制结果的精确度,结果表明对居民负荷进行协调控制可以有效兼顾用户和电网双方利益。最后,本文将基于迭代出清的控制框架应用于对互联的区域级综合能源系统的协同-自治优化管理。通过松弛储能的充放电互斥约束,实现对优化模型的凸化建模,并给出了松弛等价性的数学证明。为了满足实时控制的要求,提出了能够大幅降低迭代次数的日前-日内两阶段的优化控制流程。算例验证了该方法在提高本地可再生能源消纳、防止变压器过载方面的协同控制效果。