需求响应策略一般通过电价和激励等手段使用户在特定时段内转移或削减负荷,从而达到削峰填谷、提高电力系统稳定性的目的。然而,不同类型需求响应策略间的关系及其对电力系统可靠性的影响仍需深入挖掘。基于此,本文依托国家自然科学基金青年项目“考虑需求侧响应的主动配电系统风险评估及优化研究”项目（51607051）,通过递进式结构对系统可靠性需求和需求响应策略的关系展开研究。本文首先提出典型日选取和时段划分方法,为需求响应策略的提出奠定基础;其次,对分时电价和尖峰激励的关系进行研究,验证两种方法对系统可靠性的提升效果;最后,提出差异化可靠性需求下,面向不同用户类型的电价型需求响应决策方案,为可靠性需求和电价决策建立直接联系。本文的主要工作及创新如下:（1）基于模糊聚类的典型日选取和时段划分研究。典型日的选取和时段划分是需求响应研究的基础。传统方法选取的典型日负荷曲线难以代表全体样本的负荷特征,而传统时段划分方法无法满足不同情况下的划分需求。因此,本文通过模糊C均值算法（fuzzy c-means,FCM）选取最优典型日负荷曲线,并基于模糊聚类根据不同时段划分需求提出三种具有不同特点的时段划分方法。（2）考虑分时电价和尖峰激励的最优需求响应决策研究。传统分时电价方案难以兼顾供需双方利益,而传统尖峰负荷调控策略没有顾及分时电价对负荷曲线的影响。基于此,本文建立考虑供需双方利益的分时电价优化模型,提出粒子群退火算法（simulated annealing particle swarm optimization,SAPSO）求解,并在分时电价的基础上根据用户缺电成本和比例分摊原则建立基于激励的尖峰负荷调控模型,进一步削减尖峰负荷。（3）面向电网可靠性差异化需求的分时电价决策研究。传统需求响应研究通过优化分时电价来评估其对电力系统可靠性的影响,无法根据差异化可靠性需求获得相应分时电价方案。因此,本文通过建立计及系统可靠性的分时电价优化模型,提出多目标粒子群退火算法（multi-objective simulated annealing particle swarm optimization,MO-SAPSO）对模型求解,使用三阶埃尔米特插值算法拟合双目标函数帕累托前沿曲线并训练三层反向传播（back propagation,BP）神经网络来获得不同可靠性需求下的分时电价方案。此外,本文还通过双层优化方法使用SAPSO算法求解高可靠性需求系统最优可靠性水平下的分时电价方案。