电力需求侧管理（demand side management, DSM）是指通过采取有效的措施来引导、激励或辅助电力用户改变用电习惯，提高供用电效率，以降低负荷费用，平滑负荷曲线，减少网络损耗、提高供电可靠性等为目的而采取的一项对环境、电力公司、电力用户及社会都有巨大意义的工程。作为需求侧管理最重要的方面，负荷管理从本质上改变了以往纯粹依靠增加发电侧发电机组容量来应对负荷快速增长的局面，充分调动了电力用户参与电网安全稳定合理运行与发展的积极性，电力公司与用户协作来提高电力系统运行稳定性并减少双方的供电、用电成本，最大化双方利益。本文研究负荷管理的重要组成部分--可控负荷在配网中的多目标优化控制策略，并将改进的多目标粒子群优化算法(improved multi-objectiveparticle swarm optimization, IMOPSO)应用到了可控负荷模型的优化中，相关仿真波形验证了该可控负荷多目标控制策略在降低配网网损与用户电费方面的有效性和可靠性。论文针对现阶段配网中存在的各种问题，如负载率过低，高峰时段峰值较大但持续时间一般较短，系统发电容量不足以满足快速增长的负荷，可再生能源大规模接入带来的波动性功率输出及负荷随机性等造成的频率、电压波动甚至崩溃等，提出了利用对配网中不同种类可控负荷进行控制的解决方案，并阐述了可控负荷在解决这些问题时的优越性。论文重点对空调、热水器、冰箱、电动汽车等典型可控负荷的工作特性进行了研究，根据“黑盒子”理论只考虑其外部工作特性，建立了简化的可控负荷数学模型。过程的简化与参数的概率选择提高了模型在实际求解中的简易性及准确性，在此基础上论文提出了基于低压配网的可控负荷多目标优化控制策略，该策略利用启发式算法对不同节点、不同种类、不同时段的可控负荷工作状态进行优化，以期减小配网网损、降低峰谷差、减少用户电费等，控制策略灵活且不需对现有配网进行大幅改造，便于实际应用推广。针对可控负荷多目标优化问题的多维度、多约束性，论文采用多目标粒子群算法作为可控负荷控制策略的底层算法，并针对现有多目标粒子群算法存在的，如优秀个体选取方式不明确、对约束处理不够灵活等问题，提出了基于归一化函数值位与约束惩罚位的粒子比较策略，该比较策略综合考虑了粒子对应各目标函数的函数值与对各约束的违反程度，可以更好地反映粒子的适应度并引导粒子向最优解前沿加速搜索，基于相关改进设计了新的多目标粒子群算法IMOPSO，该算法可以更好地求解可控负荷多目标优化问题，给出更合理的可控负荷控制序列。论文的最后利用Matlab软件编制了相应的IMOPSO源程序，并分别以网损与电费最小为目标函数，仿真了论文提出的可控负荷多目标优化控制策略在IEEE14节点中，不同天气情况下的实际优化效果，仿真结果证明该控制策略在不同天气情况下,均能在满足用户用电舒适度的前提下，大大降低网损与电费，具有很好的应用前景。根据蒙特卡洛法，得出了控制策略优化结果对各电动汽车渗透率及可控负荷控制比的灵敏度，为进一步研究可控负荷应用提供了方向。