从用户侧寻找节电潜力来缓解供电缺口的需求侧管理(DSM，Demand Side Management)作为解决供电缺口的有效途径，于上世纪末开始日益得到重视和研究。本文针对当前有序用电管理存在的问题，提出了精细化有序用电管理的基本框架和方法。该框架和方法以精细化管理思想为理论基础，通过聚类分析用户负荷特性，建立有序用电综合评价指标体系，科学合理地分解错避峰指标，融合用户侧负荷预测的随机性，设计基于周计划和日计划递阶决策模型的有序用电方案。　　首先，基于用户历史用电数据，本文提出了一种改进的DBSCAN算法来提取用户的特征负荷，旨在消除DBSCAN算法提取结果的严重失真，得到更符合用户形态的特征负荷曲线。在此基础上采用k-均值聚类对客户典型负荷分布进行聚类，并应用聚类效果评价函数确定最合适的聚类数目。最后提出了表征每种负荷形态的特征指标来定量区分单个用户所属类型。　　其次，在周计划决策模型中，设计了一种动态场景的生成方法，来准确模拟客户日用电需求的不确定性。该方法采用了多元标准正态分布以及逆变换抽样来体现用户负荷在每个时间点的随机性以及不同时刻之间的随机关联性。仿真实验结果验证了该方法的有效性。　　最后，提出了一种周时间尺度与日时间尺度结合的有序用电模型，根据每种用户的用电特征有针对性地设计调度方案，并在调度时充分考虑用户用电价值以及网络损耗等多重因素。同时，考虑了用户负荷预测的随机性以及调度手段在不同时间尺度上的适应性，逐级设计更加灵活有效的有序用电调度方案。在IEEE-14节点配电系统上对提出的多时间尺度有序用电模型进行了仿真实验，验证所提方法的有效性和可靠性。在实验中发现尽管模型已经考虑大部分可能发生的场景，仍有部分极端场景使得周前得到的调度方案在日前调度模型中无解。通过将这些场景单独设计约束纳入周前调度模型中，使得模型产生的调度方案能够满足这些极端场景，从而实现了算法的可靠性，有效性以及适应性。