随着社会的发展,人们对电能的质量要求不断提高,分布式发电设备数量也日益增加,传统的电网已难以满足时代的需求,智能电网成为当今电力行业的变革趋势。需求侧能源管理和经济调度作为智能电网的关键技术,是近几年来的研究热点。需求响应鼓励用户主动参与到电网系统调节中,改变固有的用电方式,是保障电网稳定运行的重要机制。经济调度则是电网系统中最基础的问题之一,其通过先进的控制技术和优化方法,合理分配各种分布式的电力资源,提高电网运行的经济性和可靠性,对智能电网的发展有着重要意义。本文基于多种最优化方法,对智能电网中的需求侧能源管理和经济调度方案进行了一定的设计,主要的研究内容介绍如下:首先,考虑负荷的运行状态,研究了基于智能优化算法的需求侧能源管理问题。在预测误差下考虑负荷运行状态和电力消耗之间的关系,建立了能源管理最优化模型。在满足负荷运行状态和电力供应的约束条件下,实现用户的不舒适成本和供电商的电力成本总和最小的目的。将最优化模型应用到分布式暖通空调(Heating,ventilation,and air conditioning,HVAC)系统中,并基于Fanger热舒适模型描述用户的不舒适成本。采用细菌群体趋药性(Bacterial colony chemotaxis,BCC)算法求解最优化问题,为用户寻求最优的温度设定值,为供电商寻求最优的供电量。仿真结果表明,BCC算法具有良好的收敛性能,提出的调度策略在保证电力供需平衡的前提下减少了总成本。其次,考虑电力市场中的电价波动,研究了基于对偶算法的需求侧能源管理问题。针对住宅建筑中的分布式HVAC系统,以降低用户和供电商的总成本为目的,提出了同时调度需求和供应的能源管理方案。采用二次拟合方法简化了Fanger热舒适模型,以描述用户的不舒适成本。提出了基于对偶-梯度法的能源管理算法,得到实时的最优温度设定值、最优供电量以及最优电价。特别的是,由于电价波动在电力市场中的普遍存在性,分析并检验了电价波动对所提出的能源管理算法性能的影响,给出了考虑电价波动时算法的收敛条件。仿真结果验证了算法的有效性。最后,针对电网中的经济调度问题,研究了一种基于梯度下降和一致性协议的分布式算法。在满足电力供需平衡的约束条件下,以最小化总的发电成本为目标,建立了经济调度最优化模型。结合梯度下降和一致性算法,设计了一种离散时间的分布式经济调度策略。理论分析得出,选择合适的初值和步长,该算法可收敛到原问题的最优解。仿真结果证明了算法的有效性和可扩展性。