在智能电网飞速发展的背景下,家庭能量管理系统(Home Energy Manage System,HEMS)作为一种居民用户进行电力需求响应必不可少的工具,其研究与发展对于未来我国电力需求响应资源的开发具有重大意义。本论文的研究主要针对的是HEMS的核心问题:调度模型与算法。论文将HEMS静态调度与动态调度相结合,提出了一种基于动态决策实时修正的HEMS调度方案。经仿真试验,该调度方案可在满足用户需求的前提下节约家庭用电量并降低用电成本,改善用户负荷曲线,配合电网需求响应,克服了预测误差对传统HEMS日前静态调度产生的影响,并在一定程度上弥补了HEMS动态调度经济性差的缺点。首先,论文对国内外HEMS研究现状进行了分析,总结了现有研究取得的成果。阐述了包括需求响应技术在内的HEMS相关技术,对HEMS的各个组成部分进行了介绍,其中重点是系统调度模型与算法的分析。分析指出,传统的HEMS日前静态调度在光伏发电功率预测不精准以及实际气温与预报气温不吻合等情况下可能会做出不合理的能量调度方案,造成系统经济性下降,甚至违反用户设定;而传统的HEMS动态调度则只考虑当前调度时刻的运行状况,虽然可以满足调度时刻的约束运行条件,但各时刻的调度之间缺乏协调性,整体调度经济性不强。而后,论文根据系统组成建立了智能家电管理系统的基本结构,并构建了日前静态优化调度模型。然后采用改进粒子群算法进行求解,改进粒子群算法通过引入衰减因子增加粒子的自适应性,并采用变加速系数提高粒子搜索的合理性。仿真算例显示,改进算法所得到的日前调度计划合理地安排了家庭用电,可满足用户的需求与设定,具有较强的经济性能,验证了日前静态优化调度模型的合理性,也证实了所用的改进粒子群算法对模型的适应性。进一步,在智能家电管理系统的基础上增加了分布式发电系统(光伏发电系统)模型以及储能系统(蓄电池)模型,构成了HEMS基本结构。通过改进的粒子群优化算法得到合理、经济的日前静态调度计划。构建光伏出力及气温等环境数据的实时预测模型,用现有时段数据实时预估下一时段数据。而后,建立环境判别和决策机制,根据实时预测数据和日前静态调度制定的计划进行判别,动态修正原计划,做出最佳调度决策。经算例试验仿真,该调度方案可在日前光伏发电功率、气温等数据的预测不准确的情况下,对实际决策进行实时调整,既能最大程度保持日前静态调度在整体规划上的经济性,又能在各个调度时刻保证系统不违反用户设定。