随着智能电网的建设和电力系统需求响应技术的迅速发展,越来越多的用户将参与到电力市场需求响应。需求响应集成服务商(Demand Response Aggregator,DRA)通过专业的技术手段充分发掘负荷资源,为中小型用户提供了参与需求响应的负荷集成平台。目前,关于DRA的具体运营机制和负荷调控策略的研究较少,也缺乏一定的系统性。本文以解决DRA的市场化运营决策问题为出发点,对DRA的具体运营方案展开研究,考虑负荷响应不确定性的影响,建立了DRA的调控决策模型。本文内容主要分为以下几个方面:首先,介绍了DRA的基本概念和主要业务职能,设计了DRA参与能量市场和辅助服务市场需求响应的运营方案。在设计方案中,说明了DRA在需求响应期间的具体响应过程,设定了DRA的工作周期,重点梳理了DRA与系统运营商、零售商、终端用户之间的具体交互作用,给出了DRA市场化的高层次运营流程。其次,建立了计及负荷响应不确定性的DRA调控策略模型。考虑到DRA与终端用户签订的非强约束合同带来的负荷响应不确定性,运用随机数学理论对不确定性进行分析,使用截断正态分布来模拟不确定度。设定了通过订购确定性储能装置负荷和分布式电源负荷来规避违约惩罚的资源配置方法,根据随机规划理论,以DRA运营最大利润为目标函数,以DRA投标量和多种确定性负荷各自的订购量为待求变量,建立了含随机变量的DRA利润期望值规划模型。此外,针对本文建立的DRA调控策略模型,提出了一种改进的粒子群算法,通过使用拟随机序列产生在解空间均匀分布的初始粒子,并利用种群速度动态调整粒子惯性权重,提高了粒子群算法的收敛速度和求解准确度,避免求解过程过早陷入局部最优。在此基础上,引入拟蒙特卡罗方法计算粒子适应度,进一步提高全局最优解的准确度。最后,完成了DRA调控策略模型的算例验证。利用改进粒子群算法对DRA的调控决策模型进行求解,得到DRA配置负荷资源的具体方案;通过设计不同的算例情景,分析了DRA运营规模与资源配置、利润期望的关系,研究了不确定度变化对DRA运营收入的影响,验证了DRA调控策略模型的可行性和改进粒子群算法的有效性。