随着经济持续快速的发展,人类社会对于能源的需求日益增长,继而引发严重的能源危机。智能电网需求响应能量管理作为优化能源配置的有效方式受到了学术界的广泛关注。工业是国家经济发展的支柱产业,调查显示工业的能源消耗量在总能耗中占70%,工业企业作为智能电网需求响应能量管理的主体,可以优化工业用能策略、提高用能效率,保证工业、电力协同发展,因此对工业需求响应能量管理的研究具有重要意义。本文研究了智能电网背景下基于电力价格的工业园区需求响应策略,工业园区中主要有两大耗能系统:生产系统和暖通空气调节系统(Heating,Ventilation,and Air Conditioning,HVAC),本文将对这两个系统的能量调度方案进行研究。主要研究内容分为以下三点:首先,研究了工业需求响应在HVAC系统中的应用,解决能量优化管理过程中遇到的无模型非凸优化问题。在工厂与供电公司之间的能量供需平衡的约束条件下,建立了考虑工厂用电不舒适度与电力公司的供电成本的总成本优化模型。工业HVAC系统中的人体不舒适度利用Fanger热舒适模型描述,其数学表达式为无模型函数,进而设计了基于Powell方向加速法的优化迭代算法来确定该非凸优化问题的最优解,即所提出的工业能量管理策略下的最优电价、工业HVAC系统的最优温度设定值与电力公司的最优能源供应量。仿真结果验证了算法的收敛性,分析了折衷因子对总成本的影响。其次,研究了一种面向电力市场的电价控制算法。根据工业HVAC用户最低用电成本下的负荷调节能力建立电力公司的购电成本模型。基于独立电力系统运行中心(Independent Electricity System Operator,IESO)制定的市场出清价格和电力负荷预测误差,为电力公司提供向工业用户购买调节服务的电价,以减少电力公司负荷预测误差产生的成本。考虑到通信过程中的计量误差和信号干扰,设计了一种迭代优化定价算法。仿真验证了电力公司的零售电价和市场出清价格的收敛性,对比了不同扰动下的价格稳定性,分析了电力公司成本随市场期货价格、现货价格和用户调节能力的变化趋势。最后,针对工业生产系统的能量管理问题,设计了一种提高能量管理决策速度和精度的分布式能量调度算法。考虑了一个由工业用户、电力公司和数据中心组成的能量管理系统,以能源供需双方总成本最小化为目标,建立考虑工厂工作站用电成本和电力公司供电成本的优化模型。基于反馈理论对传统梯度法进行了改进,并根据改进梯度法设计了分布式迭代算法。仿真求解最优工作效率、电力公司供电量和电价值。并在测量噪声的影响下,对比分析了基于改进梯度法的分布式算法与没有考虑反馈的传统分布式算法下的收敛速度和收敛误差。结果表明,基于改进梯度法的分布式能量调度算法有更好的收敛性能。