分时电价（TOU）是需求侧管理（DSM）领域的一种重要的经济手段，在改善用户用电行为，缓解电能供需矛盾方面起到了很好的效果，得到了广泛的应用与研究。实施一套科学的分时电价方案能够节省电力建设投资、指导电网削峰填谷、改善电能频率和电压质量，对提高电网运行的经济性、安全性、可靠性具有重要的理论与实践意义。本文对国内外分时电价理论研究和应用现状进行了分析，目前分时电价策略在实际应用中存在着一些问题和不足，如：时段划分主观性太强、电价制定理论不够完善、未真正实现多目标电价优化等。针对这些问题，本文基于智能优化算法建立了一套针对全社会进行时段划分并对分行业进行电价优化的完整的单目标、多目标分时电价优化策略，相对于现有的分时电价优化方法具有更好的削峰填谷效果，减少发电设备扩建投资、降低供电网损，从而更好地实现节能减排。本文提出利用遗传算法实现时段划分优化，建立了基于遗传算法的时段划分方法，利用该方法在DSM单目标和多目标情况下进行时段划分优化，得到不同目标下科学合理的时段划分；在时段划分优化基础上，针对分行业电力用户建立了固定平时段电价与浮动平时段电价的分时电价单目标电价优化策略；以时段划分为基础，建立了多目标分时电价优化模型，带精英策略的快速非支配排序遗传算法（NSGA-II）是一种具有较好收敛性和鲁棒性的改进型多目标遗传算法，应用该方法可以求得在目标空间内分布均匀的Pareto最优解集，利用NSGA-II进行优化，可以得到多个客观解以供选择，根据实际需要还可以根据多属性决策原理求得最优折衷解，克服了传统加权法中各个目标权重选择依靠太多主观因素的缺点，从而实现了真正意义上的分时电价多目标电价优化。对上述研究工作进行整合，一套从时段划分到电价制定的科学完整的分时电价优化策略得以建立，能够为不同地区、不同季节分时电价决策者提供参考；该策略制定理论依据充分、科学性强、优化效果更好，较目前现有的优化方法体现出了强大的优越性；普通遗传算法和带精英策略的快速非支配排序遗传算法在需求侧管理分时电价方面的创新应用，是人工智能技术在需求侧管理领域的初步探索。