随着我国经济的发展与新能源的接入,在因电能消耗急剧增加而造成负荷高峰频率激增的同时,新能源发电的随机性、间歇性特征也导致了“弃光”“弃风”等能源不能充分利用的问题,给电网的调度工作带来极大的挑战。随着柔性负荷设备以及新型储能设备在居民家庭的普及,居民用户的负荷调控潜力不容小觑。发展面向电网侧与居民用户侧的互联、互通、互动的需求响应成为发展趋势。为解决负荷高峰和新能源发电给电网运行和调度带来的挑战,本文首次将智能推荐的理念引入到电网与居民用户间的需求响应当中,提出一种融合K-Means++聚类算法与隐式反馈下基于物品的协同过滤算法的居民用电推荐模型。该模型基于居民用户的历史用电数据,首先采用主成分分析(PCA)的方法对数据进行降维,利用K-Means++算法对降维后的数据进行用电行为聚类,将居民用户划入具有不同用电特征的用户群。然后,结合电网的需求响应信息获取有参与潜力的目标用户群。最后,使用隐式反馈下的基于物品的协同过滤算法对潜力用户的用电兴趣进行建模,挖掘可能满足居民用电兴趣的电力产品或用电方案并向用户推荐,引导居民用户主动参与到需求响应中来。通过智能推荐模型,电网可以更准确的定位需求响应事件实施的主体,用户也可以更方便的获取需求响应事件的信息与激励信号,有效增加参与双方的电力交互、信息交互、业务交互。本文最后通过实验仿真分析,将智能推荐模型与不同类型的需求响应事件相结合,模拟了居民用户在智能推荐模型下对需求响应事件的响应情况以及达到的响应效果,验证了模型的可用性以及通过提高需求响应计划的实施导向性、参与双方的互动性有助于提高电网运行的健壮性和稳定性。