在智能电网中,电力用户参与电力系统频率调节的主要方式是需求响应,自动发电控制(Automatic Generation Control,AGC)满足不断变化的用户电力需求,并使系统处于经济的运行状态。而直接负荷控制响应形式的实现依赖于需求侧的双向通信网络,负荷工作状态和控制指令信息的传输误差会降低负荷控制的精度,引起负荷跟踪的随机偏差,从而需要更多的AGC服务,进而会增加电力公司的成本,负荷控制精度的降低,会降低室内温度的变化程度,增加用户的舒适度。本文建立了信息传输误差对负荷跟踪性能影响的解析模型,采用Fanger热舒适模型来描述用户对负荷状态的不舒适成本,利用合作中继技术来减少电力公司与用户之间通信的数据包丢失率,构造了负荷控制与中继传输的协同优化问题,具体的研究内容如下:首先,介绍了温控负荷的组成以及温控负荷聚合模型,负荷模型由两个子系统组成:功能模型和电气模型。其中,由于根据其特点不同,功能模型又分为无记忆功能模型,强驱动功能模型和弱驱动功能模型,阐述了不同类型下电气模型的运行状态,尤其是其中的弱驱动功能模型和聚合模型,为后续章节寻找负荷控制中负荷跟踪的随机偏差和控制指令信息的传输误差之间的关系奠定基础。其次,利用负荷热动态模型建立了频率优化模型,同时设计了基于粒子群算法的温控负荷控制策略,仿真得出了在不同数据包丢失率下的AGC信号跟踪效果图和跟踪误差图,并统计了跟踪误差的数据,通过Easy Fit软件进行了数据拟合处理,将不同数据包丢失率情况下的方差和期望同数据包丢失之间进行二次拟合,最终找到了负荷跟踪的随机偏差和控制指令信息的传输误差之间的关系。最后,建立了信息传输误差对负荷跟踪性能影响的解析模型,并考虑了用户侧的舒适满意度,通过合作中继技术来降低数据包丢失率,提高合作中继网络的传输性能,构造了负荷控制与中继传输的协同优化问题,对于该非凸最优化问题采用细菌趋药性算法来求解,进而求得用户的最优负荷运行状态以及带宽分配与定价策略。