随着我国城乡居民生活水平的不断提高,居民用户负荷在社会负荷结构中所占比例逐步提升,同时,随着电网峰值负荷的逐年攀升,如何保证电力系统在高峰负荷时的长期安全稳定性运行成为了亟待解决的重要问题。居民用户负荷具有数量众多、分布广泛等特点,在居民用户负荷预测的基础上,有效地整合和利用居民用户需求响应资源能够对缓解电网运行压力起到关键性作用。本文在调研居民用户负荷预测和需求响应现状的基础上,研究了面向居民用户的高精度负荷预测方法和需求响应策略。完成的主要工作如下:（1）基于详实的居民用户负荷数据库,从不同的规模（单户、聚合）和时间尺度（短期、长期）角度综合分析了居民用户的负荷特性,研究了气象、日期类型等外部因素对居民用户负荷的影响,通过数据曲线分析等手段挖掘了各类型家庭用电负荷的需求响应能力,选取了温控型负荷作为居民用户需求响应策略的主要对象。（2）在对研究数据进行降维处理的基础上,结合传统的人工神经网络（BP、ELM）和深度学习网络（LSTM）,构建了组合式深度学习网络短期负荷预测模型,并通过算例分析验证了预测模型的精度。结果表明,提出的预测模型达到高精度预测标准,并且在所提出的面向需求响应调度新指标评价体系中也表现出优异性能。（3）在空调负荷一阶等效ETP模型的基础上,综合历史负荷和环境温度等数据建立了空调负荷的实际参数模型,并从不同的轮控时间间隔和参与度两方面分析了空调负荷参与需求响应的效果。在负荷预测模型中引入了需求响应模块,提出了基于负荷预测的空调负荷需求响应策略并进行算例了分析。结果表明,提出的方法在保证高精度日前负荷预测的基础上,实现了居民用户参与需求响应并达到了削减高峰负荷的目的。