能源问题一直都是关乎人类未来发展中亘古不变的话题之一,其不但是科技进步的基石也是经济发展的命脉。我国地域宽广、河流纵横拥有丰富的可再生资源,随着可再生能源技术受到了国家的重点关注和大力发展,分布式光伏发电设备在家庭中也越来越普及,许多的用户都提出了在家庭中如何有效的利用分布式发电设备来减少电网的压力和如何提高家庭中能源利用效率以减少用电费用等问题。为让家庭中所有的能源能更有效的被使用,本文采用了一种基于光伏发电量和负荷预测的家庭能源管理系统。在本文的家庭能源管理系统中的创新主要集中在系统框架中的系统控制终端和系统的算法两个方面,其中系统的算法中包含了预测算法和调度算法。为更好的帮助用户进行家庭中负荷的用电规划,基于Qt设计了家庭能源管理系统的控制终端用于对家庭能源管理系统中各个部分进行管理和用电负荷的调度,并将用户管理功能加入控制终端中,设计了系统框架中的能源管理模块用于对家庭中负荷的进行控制和用电信息采集。为了使调度结果更为准确和可靠,提出K最近邻分类的遗传算法优化的改进BP神经网络算法对分布式光伏发电设备每半小时的发电量进行预测。提出基于在线学习的LSTM神经网络来实现对调度日的中不可调度负荷的用电量预测。对家庭中可调度负荷的则采用本文提出的改进的离散二进制粒子群优化算法进行调度优化,并利用了Matlab平台对本文提出的各个算法和调度方案进行了仿真和验证,根据结果分析了提出的各个算法的优缺点和调度方案的优势。