电力供给和负荷需求之间的不平衡常常会引发电力的波动或中断,造成电力设备损坏,因此,保证电力负荷需求与生产之间的平衡是电力生产和运行的一个关键问题。对于电网而言,准确地刻画用户用电行为习惯,预测用户的负荷需求,有助于更为合理有效地制定发电计划。同时,电网可在用电高峰期或低谷期通过调整电力政策和电力价格来引导用户暂时性地改变其用电行为,削峰填谷,从而达到资源的优化配置,保障电网系统的稳定性。但是,随着经济的快速发展,电力需求也在不断增长,电力结构日渐复杂,集中发电和远距离大电网传输发电逐渐被以分布式电源为主导的微电网所取代,越来越多的电力市场将微电网作为零售商参与到电力交易之中,但是微电网的加入也增加了电力需求预测的不确定性,增加了电网在规划和调度上的难度,使含有微电网的需求响应研究成为了亟待解决的难题。本文从用户用电模式分析、负荷预测以及需求响应三个方面进行了建模及算法研究,通过提取用户的用电模式,发现用户负荷在时序信息上的相关性,将用户负荷数据的时序特征输入给长短期记忆神经网络负荷预测模型捕捉用户用电规律,实现精准预测。电力企业通过预测需求量制定基于预期定价惩罚机制的三级斯坦克尔伯格博弈策略,引导用户合理用电,实现节能减排。(1)在用户用电模式分析方面,本文首先使用K均值方法对非居民用户的日负荷曲线进行了分析,同时对用户的用电模式进行归类和挖掘,然后使用斯皮尔曼相关系数计算非居民用户负荷数据时序上的相关性,验证和度量非居民用户负荷相邻时刻相关、日相关和周相关。(2)在负荷预测方面,本文构建了一种基于长短期记忆网络的非居民用户负荷预测模型,该模型以相邻时刻相关、日相关和周相关三种不同的时序特征为输入进行预测。实验结果表明,本文所提出的方法能够有效利用多维度时间序列特征,成功捕捉不同维度时序特征与负荷间的依赖关系,比现有负荷预测方法均具有更高预测准确度。(3)在需求响应方面,本文提出了一种基于预期定价惩罚机制的三级斯坦克尔伯格博弈模型,通过反向归纳法解决了三级博弈中的多目标优化问题,并推导出各级别的最优价格和需求策略,实现电网、零售商和用户的效益最大化。同时,在加入预期定价惩罚机制之后,电网加大了对用户负荷需求的调控,减少了发电不确定性,保障了电网的平稳运行。