智能电网作为对传统电网的重大改进，通过双向的电力流和信息流连接了系统的各个组成部分，在可靠性、可用性、效率、经济收益等多方面都优于传统电网。需求响应作为智能电网管理技术中重要的组成部分，可以降低峰值需求、平滑电力供需曲线、降低系统整体开销和提高系统稳定性。现有文献中的需求响应方案设计主要着眼于优化用户的负荷分布，对用户电器的能耗模式、用户满意度、公平性和用户的用电习惯等重要因素缺乏足够的重视。针对上述问题，本文首先结合用户的能耗习惯和行为偏好等因素基于聚类技术设计了一种面向降低用户能耗成本和系统峰均比的需求响应方案。之后针对上述方法计算庞大的问题，进一步提出了一种基于等簇大小聚类和深度学习的优化方法。本文主要有以下贡献：
　　（1）针对用户需求的多样性问题，本文提出了一种面向降低用户能耗成本和系统峰均比的集中式住宅需求响应方案，该方案综合考虑了包含家用电器的能耗模式、电力花费、用户的满意程度和公平性等因素。利用电力用户的历史用电数据提取出的特征将用户聚类为不同的簇，基于不同簇内的用户有不同的行为倾向这一事实，使得需求响应方案更加灵活有效。所提出的需求响应方案在管理家用电器方面表现良好，可以节约用户成本，降低系统峰均比。
　　（2）针对上述方法运算量巨大的问题，提出了一种基于等簇大小聚类和深度学习的优化方法。该方法使用等簇大小的聚类算法在上述方法聚类结果的基础上进行二次聚类，将用户聚类为数量更多的大小相等的小簇并在小簇内执行上文的需求响应方案以获得各个消费者进行需求响应调度后的能耗数据。将小簇用户的能耗数据带入大簇范围内重新计算获得最终的能耗数据。使用该数据为每个用户训练一个长短期记忆网络进行需求响应调度后能耗的预测并对预测结果进行修正，使用此预测数据作为用户计算公平性时的数据基础，将多个用户的整体求解分解为单个用户的求解，显著降低计算复杂度。该方法有效降低了用户的电力成本和系统的峰均比，虽然比最优方案相比牺牲了少量精度（小于1%），但显著降低了计算的复杂度，极大地增强了应用范围。