目前,用户对热舒适要求越来越高,电力需求不断增加,在夏季空调负荷高峰时期,常有供不应求的情况发生,从而使电网处于不平衡状态,给电力系统的安全高效运行带来了极大的风险。随着科学研究的不断推进,解决该现象的措施不断完善。空调负荷具有容量大、占比高、易控制的特点,是很好的需求响应控制资源。但在对空调负荷进行控制之后,会存在一定量的负荷反弹。负荷反弹会大大影响需求响应的控制效果,甚至会引起二次高峰,使电网面临新一轮的压力,因此本文针对负荷反弹展开研究。首先,对目前应用较为广泛的空调需求响应措施进行分析,确定以调整室内温度上下限为机制的直接负荷控制需求响应策略。接着,对当前的负荷反弹抑制策略进行对比分析。然后,基于一阶等效热参数方程,建立单体空调的负荷模型,并进一步推导出单体中央空调负荷模型。最后,基于蒙特卡洛模拟法,建立聚合空调负荷模型。同时,基于历史数据以及Elman算法对模型进行验证,并对一天内的负荷进行预测研究,为后续的直接负荷控制建立基础。采用直接负荷控制方法对聚合模型进行仿真研究,明确直接负荷控制带来的削峰作用以及负荷反弹。在此基础之上,选取“直接负荷控制温度上限”、“直接负荷控制时长”和“参与负荷数量”三个负荷反弹指标进行敏感度分析,并以这三个指标为约束,提出了负荷反弹抑制优化策略。利用带精英策略的多目标遗传算法NSGA2算法进行优化求解,并采用求解的结果对系统进行调控。仿真结果表明,采用选定的负荷反弹抑制优化指标进行参数优化,相比于传统直接负荷控制不仅可以降低峰值负荷,在一定程度上还可以减少负荷反弹量。构建一种基于迭代学习算法的协同负荷反弹抑制策略,对空调负荷曲线进行优化,仿真结果表明采用该策略优化后的负荷曲线过渡状态更平稳,可以保证电网高效安全运行,降低负荷反弹带给电网的风险。课题研究对电网负荷调度以及需求响应更好展开具有一定的理论意义。