随着信息技术的高速发展,用户参与电力需求侧管理的研究成为近年来的热门领域。电力市场通过推出各类积极的电价政策,鼓励消费者改变用电模式,以降低电网运营和建设成本。以钢铁产业为代表的工业用户一直以来都是电力消耗大户,也亟须通过革新能源管理系统来提高生产效率、减少能源消耗、节约成本。但目前对于工业用户参与需求侧管理的研究缺失较大,导致钢铁工业用户处于能源管理技术陈旧以及关键技术方面研究缺失的困难处境。因此本文针对实行了新型两部制电价政策的钢铁工业,选取能源管理系统中具有典型性的需量管理系统为对象,提出了智能需量控制系统的构想。具体研究工作如下:(1)分析了钢铁工业系统运行模式、负荷特性以及工业用户需求侧管理研究现状。本文总结了钢铁工业系统组成以及典型连铸工艺的各环节流程,分析了钢铁工业能源网络的运行模式与各生产环节主要设备负荷特性。同时基于分时电价背景,使用传统方法对连铸工艺多浇次生产进行了日前计划调度。(2)基于态势感知及利导理论,提出了智能需量管理系统框架,将深度学习应用于需量态势感知。针对传统系统动态自治能力不足的问题,提出了基于态势感知与利导思想的智能需量管理系统。改变了传统系统的垂直信息交互方式,发展了以需量管理系统为基点的信息水平交互框架。然后将深度学习的长短期记忆网络(Long Short-Term Memory,LTSM)初步应用于钢铁工业超短期需量态势感知,对需量及相关数据进行了相关性分析,并采用某钢铁厂的需量数据验证了多变量LSTM需量预测模型的有效性。(3)提出在两部制电价背景下,基于条件柔性负荷的需量管理方法。本文就两部制电价背景,提出了基于典型连铸工艺中柔性负荷的需量管理方法。建立了生产工艺的资源-任务网络(Resource Task Network,RTN)模型,定性分析了钢铁生产过程,寻找柔性负荷资源。在充分考虑柔性负荷多种受电控制方式下的裕度、受电控制约束、设备物理限制,构建了以柔性钢包炉负荷为对象的需量管理方法,并基于某钢铁厂数据为例验证了方法的有效性。(4)提出了基于负荷行为分析建模的需量管理系统实际应用方法。本文完成了对钢包炉的行为分析和负荷建模,基于建立的负荷模型以及行为识别方法,结合本文的理论研究,在某钢铁厂实现了需量管理系统的实际应用。实现了负荷的运行特性识别和以及有效、可靠的以钢包炉为对象的需量调控。从各方案实验效果及实际运行效果来看,本文研究的需量管理系统能达到预期目标,实现了本文理论研究的实际化,突破了现有需量管理系统方案陈旧框架的局限性。