目前,随着我国社会与经济水平不断发展,化石能源逐渐紧缺,环境污染问题日益严重。在此背景下,电动汽车逐渐代替传统燃料汽车成为居民出行的重要交通工具。同时,我国每年发电量的增速已经不能满足各个地区的用电需求。如果能够从需求侧进行对用电负荷进行调度,则能在一定程度上保障电网平稳运行。而随着电动汽车保有量的迅速增加,其已经成为需求响应中重要的调度对象。现有需求响应方法存在着调度方法对象单一、缺乏用户信任、难以获取用户用电数据等问题。随着泛在电力物联网和智能电网的建设,使得采集、通信并传输居民用电数据成为可能。通过居民的用电数据,电力运营商可以分析不同用电设备在需求响应方面的潜力,面向居民用电负荷制定合理的调度计划。针对包含电动汽车的居民用电负荷,本文提出了一种非侵入式的需求响应调度方法,结合非侵入式负荷监测技术与需求响应调度策略。本文的主要工作和成果如下:1.研究基于滑动窗口的事件探测算法。在利用统计特征的基础上,利用滑动窗口以及阈值判定进行事件探测,能够根据居民住宅总有功功率判断用电设备的启停时间,并提取其负荷事件。在仿真实验与结果分析阶段,通过漏检率以及误检率等评价指标对本文提出的事件探测算法进行性能评估,实验结果表明算法能够有效完成对负荷事件的提取任务。2.研究基于深度学习的负荷分解模型。介绍了深度学习在负荷分解方面的数学原理,分别介绍了三种神经网络在负荷分解方面的应用。提出了一种基于长短时记忆神经网络的负荷分解方法,将探测到的负荷事件作为输入,学习用电设备运行过程中的相关特征,实现负荷分解与监测。算例结果显示,与其他神经网络模型相比,所提出的方法在均方误差、绝对平均误差等指标上均取得了最好成绩,能够完成负荷分解任务。3.研究需求响应调度方法。通过非侵入负荷监测技术所提取的居民用电负荷数据,分析不同负荷在需求响应中的潜力以及弹性。建立结合非侵入式监测技术以及需求响应调度方法的系统框架,以电动汽车为例,提出了一种基于分时电价的需求响应调度策略。仿真实验结果表明,非侵入式负荷监测技术能够解决获取居民用电数据的问题,并通过需求响应调度方法,有效降低在用电高峰期的总负荷。