为了应对传统能源短缺和传统电网的弊病，智能电网应运而生，已成为当前国际国内新技术和新产业的热点。需求侧响应是在未来智能电网的一个重要组成部分，它具有响应快，排放少，成本低等优点。能够降低系统高峰期电价、减少电价波动风险、优化资源配置和保证市场稳定运行，对电力工业和经济发展以及环保等方面都有着重要的战略作用。随着目前智能电网的进一步推进，由于其整合了高级的信息、控制及通信技术，为用户侧响应措施中实时电价的实施奠定了技术基础。智能电网采用即插即用的简化互联方式可以实现家庭储能装置与电网之间的无缝衔接。而家庭端等储能设备的广泛使用，也给未来实时电价下的用户端设备调度带来新挑战。本文研究了实时定价机制的设计问题，以及在电价不确定性情况下，用户电力设备包括储能设备随机调度问题。首先，我们讨论了在用户负载不确定情况下，基于博弈论中的机制设计方法研究实时电价的定价策略。考虑一个小区居民电力网络中，由有一个电力服务提供商以及多个家庭用户组成。服务商从电网购电并分配给用户，收取一定的费用。消费者端的用电负载具有不确定性，并且用户被认为是自私的而且富有策略，他们不愿意上报自己真实的电力需求情况。因此，我们研究一种定价机制，诱导用户上报真实用电信息并合理使用电量。我们建立系统模型描述消费者的效益函数以及发电成本，提出如何使期望社会福利最大化。我们提供了一个电价设计算法，该算法能使社会期望福利最大化，并满足激励相容和个体理性约束。在我们给出的仿真结果中显示，我们提出的策略能很大程度上帮助用户节约成本，并提高了社会整体效益。其次讨论了实时电价不确定情况下，家庭中普通家电设备和储能装置的调度问题，并提出了一种分布式在线学习的随机调度算法。在我们考虑的问题模型中，用户端具有某些可推迟的弹性用电设备，但推迟会影响用户的使用满意度，同时用户端还有可充放电的储能装置。基于此背景，我们探讨如何使用户的总体平均期望成本最低。由于用户习惯以及外界环境因素，无法定量刻画电价及电力设备用电请求的随机性。因此我们提出了一种基于在线学习的随机调度算法，来联合调度家庭用电设备以及储能装置。该算法计算复杂度低，并且能自适应外界因素变化。在仿真结果中可以看出，所提出算法能够使用户不满意度水平尽可能低的情况下，节约用电成本，提高服务质量。最后，总结了所取得的研究工作，并对未来研究方向进行了阐述。