由于风能、太阳能等可再生能源的数量不断增加，以及电网调峰和提高电力用户满意度的迫切需求，智能电网(Smart Grid)应运而生。智能电网与传统电网不同，它建立在双向的通信网络上，利用先进的技术以实现电网的安全运行和合理调度。其中，可再生能源主要通过集中或分布式方式接入电网。但由于其分布广泛、随机性强、波动性大等特点，造成能源电力系统调度的不确定性，成为了电力系统经济调度的重点问题。

在能源互联网以及智能电网背景下，需求侧响应(demand response， DR)成为了未来能源电力系统中重要的可调控途径。其通过补偿激励和电价刺激等方式，主动的参与到电网调度中，通过合理地调控用户侧的需求侧响应资源，提高可再生能源利用效率，保证电力系统的供需双侧平衡，实现能源电力系统的协同互联。

截止目前，国内外利用需求侧响应手段参与多能源电力系统经济调度已经开展了详细的研究工作，并取得了重要的研究成果。文献[1]提出了一种基于激励需求响应的未来智能电网能耗调度方案，它利用智能电网中的双向数字通信基础设施，建立了一个以用户为主体，以平衡家电负荷为策略的能耗调度博弈。文献[2]以家用电热水器为研究对象，通过响应分时电价，在保障用户用水需求的前提下同时降低了用户用电费用，并极大的降低了系统高峰时段负荷。文献[3]通过引入基于价格的需求响应以降低风电接入对系统的影响，建立了考虑随机性的日前双层优化调度模型。

我国虽然起步较晚，但在需求响应方面已有实践，主要集中于分时电价、阶梯电价、尖峰电价和可中断负荷领域。文献[4]同时计及需求响应和储能系统，建立了含风电并网的二阶段优化调度模型。仿真结果表明，需求响应和储能系统在提高系统的经济性和风电利用率方面具有协作效应。文献[5]详细描述了不同类型的需求侧资源的响应机理，分别建立了考虑分时电价和可中断负荷的日前调度计划模型。仿真结果表明，分时电价具有削峰填谷的作用，降低了系统的运行成本。在用电高峰期，成本较低的可中断负荷能够代替成本较高的火电机组优先被调用，有利于降低系统的煤耗成本。文献[6]通过设定电动汽车、商业用户、工业用户和居民用户参与需求响应的模式及收益函数，建立了需求响应参与下的风电消纳随机优化模型。文献[7]为应对风电消纳问题引入价格型需求响应，以需求响应调度成本最小为目标构建模型，模型中考虑了网络安全约束及需求响应满意度约束。

因此，综上所述，通过充分考虑可再生能源的随机性，运用需求侧响应途径，解决双侧不确定性对系统安全稳定运行的影响，促进可再生能源的消纳，是电力系统发展的客观要求。建立不确定条件下含需求响应资源的电力系统优化调度数学模型，并指导具体的实践活动，具有重要的理论及现实意义。

2. 研究的基本内容与方案

由于发电部门越来越依赖天然气发电，以及工业部门对大量电力和天然气的需求，有必要解决电力、天然气和制造基础设施之间的相互依赖性。加之新能源发电和负荷具有随机性和不确定性，本文提出建立一个两阶段随机优化模型来优化智能能源网需求侧响应调度问题，使得该能源电力系统能够在发电和负荷随机波动的情况下仍然能够保持系统稳定，并实现系统内各能源间的互济与协调。文章的具体结构安排如下：

第一章深入分析了在智能能源网背景下，开展需求侧响应调度的必要性，综述了国内外在能源电力系统优化调度、需求侧响应等方面的研究现状，并引出本文所要研究的内容。

第二章介绍制造基础设施中能源网和能量转换枢纽的基本结构，并建立针对工业用户的需求侧响应调度模型，包括目标函数以及需要考虑的各种实际约束条件。

第三章介绍随机优化方法中粒子群算法的起源、原理，以及算法的基本流程。

第四章具体介绍应用粒子群算法求解需求侧响应调度问题的整个流程，包括优化变量的选择，各种约束的处理方法以及实现算法的基本步骤等。其中，将主要采用建立两阶段随机优化模型来解决，即第一阶段是确定性优化模型，在给定实时电价、气价、负荷、新能源发电量等情况下，以每小时时间间隔优化能量枢纽内各设备运行状况；第二阶段为随机优化模型，负荷和新能源发电量随机波动，采用蒙特卡洛方法抽样生成大量场景，并利用场景缩减方法合理优化场景数量，对多个场景情况分别建立确定性优化模型，优化目标是最小化多个场景的运行成本的平均值及各场景成本的方差。