为促进居民用户柔性负荷高效参与需求响应，帮助 用户从被动角色转变为主动角色，实现需求侧最大效益。本文在智能电网环境下，根据用电设备的特性，以概率论 的角度对家电设备状态进行描述定义，基于异步深度强化 学习(asynchronous deep reinforcement learning，ADRL)进 行家庭能源管理系统调度的在线优化。学习过程采用异步 优势演员-评判家(asynchronous advantage actor-critic， A3C)方法，联合用户历史用电设备运行状态的概率分布， 通过多智能体利用CPU 多线程功能同时执行多个动作的 决策。该方法在包括光伏发电、电动汽车和居民住宅电器 设备信息的某高维数据库上进行仿真验证。最后通过不同 住宅情境下的优化决策效果对比分析可知，所提在线能耗 调度策略可用于向电力用户提供实时反馈，以实现用户用 电经济性目标。

提出一种考虑热网-电网综合潮流的用户侧综合能源系统的规划方法。考虑经济、节能、环保等因素，建立含风机、光伏、储能、微型燃气轮机及燃气锅炉的微型能源站二层规划模型。上层规划目标函数为年费用最小，优化变量为微型能源站安装位置、容量及接入网络；下层规划考虑储能与微型燃气轮机的优化调度，规划目标包含一次能源节约率、可控分布式能源运行费及网损费用。基于热电耦合，提出热网-电网综合潮流计算方法与流程。采用改进遗传算法和粒子群优化算法对模型进行求解。某用户侧综合能源系统算例验证了所提模型和方法的有效性。

动态规划计算水库优化调度。本文中使用了下列变重，说明如下：t为时段变重，在本坝目研究中，以旬为计算时段，全年共计36个时段；Vt、Zt为t时段初水库蓄水重及蓄水水位；Qt为t时段平均下泄流量；NtEt为水电站t时段平均发电出力及发电重；St为水库t时段平均入库流量。

主动配电网为高渗透率分布式可再生能源接入提供了有效途径。针对风能等可再生能源所固有的间歇性、波动性与随机性引起的功率波动问题，在配电网中引入储能系统作为可控负荷，建立包含风能与储能系统的主动配电网调度模型，该模型以储能系统的出力为变量；分别以平滑混合毛功率和混合净功率为目标，有效避免可再生能源接入对配电网造成的冲击。提出改进萤火虫算法求解主动配电网优化调度问题。仿真算例验证了所提模型与算法的有效性。

为解决综合能源系统(IES)中供需双侧不确定因素对运行调度带来的风险问题，将CVaR理论引入IES运行调度问题，提出一种计及风、光出力和电、热负荷不确定性的IES经济调度模型。该模型以IES运行风险费用最小为目标函数，综合考虑电力网络、天然气管网、热力管网以及机组出力等多种约束条件。运用双层优化的思想将上述模型进行转化，采用快速粒子群优化算法和内点法进行求解。通过算例分析置信水平、多能流约束和单位功率调整费用对运行费用的影响，验证了CVaR理论在IES经济调度中的有效性。

能源互联网的范畴内，电热联合系统是消纳风电的一种有效手段，为此构建了包含储热、热电联产和需求响应资源的综合电热系统调度模型。提出了风电消纳日前日内两阶段调度方法：在日前调度阶段，机组、储热装置以及电价型需求响应配合消纳风电短期预测出力；在日内调度阶段，机组以及激励型需求响应配合消纳风电超短期预测出力。以系统发电运行成本最小为目标函数，综合考虑弃风惩罚费用和需求响应成本建立了电热联合系统调度模型，使用改进帝国竞争算法解决电热系统约束条件过多的问题，使得到的解更可行。算例分析表明，使用所提调度模型和方法能够有效提高电热联合系统风电消纳水平。

考虑多风电场出力之间的尾部相关性，借助Gumbel-Copula函数构建多风电场出力的联合概率分布，提出含多风电场的电力系统随机优化调度模型。通过抽样平均近似（SAA）法处理机会约束条件，将随机优化问题转换为可计算的确定性非线性规划问题，并采用粒子群优化（PSO）算法进行求解。通过算例分析联合概率分布、机会约束置信水平和抽样次数对优化调度结果的影响，结果验证了基于Gumbel-Copula联合概率分布的随机优化调度的合理性。

风光水储互补系统优化调度研究，吕崇帅，刘瑞叶，随着风电和光伏发电装机容量逐年增加，其并网发电引起的间歇性和波动性也越来越严重。为保证系统安全稳定运行，有时不得不弃风、