智能电网是未来电网的发展趋势,它使用双向的电力和信息流来建立自动化的分布式高级能源输送网络,是对于传统电网的补充和增强。智能电网使用信息化的、双向的、安全的通信技术和计算智能为核心,包含发电、输电、配电、变电站、消费等功能,实现清洁、安全、可靠、弹性、高效、可持续的电力系统。本文针对智能电网中的能源调度最优化问题,设计了两种能源调度策略,并提出了相应的算法来寻找问题的最优解。第一种是基于实时电价的需求响应管理策略。需求响应是终端用户因电价随时间的变化而改变其正常的用电模式,或为在批发市场价格高或系统可靠性受到威胁时降低用电量而支付奖励金。通过促进用户的互动和响应,需求响应为用户和公共事业单位带来了经济效益并使整个电网更加稳定和可靠。本文设计的策略中用户共有三种类型的负载:基础负载、弹性负载和储能设备。基础负载在每个时间段都会消耗固定的电量且无法调整;弹性负载有自己的预期消耗电量,实际消耗的电量越多,用户的满意度就越高,为了反映用户的用电量和满意度的关系,构造了一个满意度函数;储能设备在实时电价较低的时候可以储存电能,电价较高的时候释放电能供用户使用,为用户带来一些利益,0-1变量被用来区分储能设备的充放电状态。最终的目标函数是一个非凸优化问题。为了寻找问题的全局最优解,提出了一种惯性神经网络,并将它和粒子群算法结合。仿真实例和对比实验显示了惯性神经网络具有更快的收敛速度,组合算法能够找到问题的全局最优解,需求响应管理策略能使各个时间段的用电量更平滑,从而提高电网的效率。第二种是考虑用户端和发电端的完全分布式的能源调度策略。近年来,分布式优化问题得到了广泛的研究。这类问题的目标函数的形式是多个目标函数的和,每个目标函数表示一个智能体对全局目标函数的贡献。由于分布式算法与集中式算法相比,在大规模优化问题上具有优势,且每个智能体或节点的计算成本低、性能好,因此人们提出了很多种分布式算法来有效地解决多智能体网络中的凸优化问题。本文设计的策略中发电端包含传统电网、分布式发电机、新能源等,它们有各自的价格函数。用户端加入了电动汽车。电动汽车具有低排放、高效减排的优势,将成为未来家庭中的重要组成部分。当它停靠在家中时,可以将它当作储能设备来充放电,从而获得一些利益,但它有自己为了下次旅程本身的用电需求,因此它与一般储能设备的模型是不同的。为了解决用户端的非凸优化问题,提出了一种结合神经网络算法和差分进化算法的动力学算法。为了解决发电端的凸优化问题,提出了一种处理一般约束问题的分布式算法。仿真实例和对比实验显示了组合的动力学算法能有效找到问题的全局最优解,且具有更快的收敛速度,分布式算法能够有效找到问题的全局最优解,分布式能源调度策略能对电能消耗起到削峰填谷的作用,并最大程度地保护了用户端和发电端的隐私。