随着风力太阳能等各类间歇性可再生新能源的不断接入,深刻影响了现有电网的架构和供用电方式。智能电网在用户侧延伸的家庭能源管理,逐渐成为学术界研究热点,但目前主要聚焦于采集家庭用电信息和控制电能,较少涉及家庭能源效益优化控制。基于电力市场家庭能源效益优化,本文在分时电价政策下,研究家庭用户可控类家电设备的优化智能用电策略,实现降低电费、节能减耗、错峰用电等。提出电动汽车负荷群遗传算法联合优化控制策略,有效降低家庭用户用于电动汽车的充电费用,提升家庭能源效益经济性。家庭用电设备可分为四类:无储能不可控设备,无储能可控设备,家用风力发电系统与储能蓄电池组成的直接储能设备,暖通空调为研究对象的间接储能设备。建立设备的负荷模型并结合居民用电习惯、用电舒适度及分时电价,搭建家庭能源效益优化控制策略的数学模型。应用遗传算法、局部版本粒子群算法、线性递减惯性权重全局粒子群算法以及模拟退火粒子群算法,分别对优化控制策略数学模型进行仿真实验和数据分析。根据仿真结果,提出“电费最低”、“节能减耗”和“错峰用电”三种家庭能源效益优化控制策略,家庭用户可依据个性化用电需求选择使用,相应地优先选择最优算法及对应的分时段家庭智能用电方案。通过对比算法迭代曲线,分析应用性能,综合评估优化控制策略中的电费最低/节能减耗/错峰用电的效果、仿真实验中的全局搜索能力及收敛速度,结论表明,模拟退火粒子群算法与遗传算法综合效果最优,对不同家庭设备及用电需求有较强适应性,可推广应用到家庭能源效益优化领域。针对我国弃风现状,研究在电力市场机制下计及电动汽车的家庭能源效益优化,提出基于遗传算法的电动汽车负荷群联合优化控制策略。通过综合调控风电消纳与削峰填谷,实现风力发电协同调度优化及电网协调互动发展,降低电动汽车充电费用,提升家庭能源效益经济性。研究在本课题领域效果良好的遗传算法与模拟退火粒子群算法在该模型的适应性,前者在高维度优化问题中的优化效果显著优于后者。