在当今世界,面对电力资源日益紧缺的新形势,智能电网建设成为了世界各国电力系统改革的方向。智能电网是在自动化技术、通信技术及新能源技术等高速发展的基础上,实现智能化的电网调度和信息共享,来保证电力系统安全、可靠、经济、高效、清洁环保的运行。电网频率调节服务与电力市场的运行、发电侧和用电侧设备的安全密切相关。需求侧响应的提出改变了用户侧用电方式,优化了电力资源配置,为稳定电网频率,保障电力系统安全提供了新的思路。本文基于温控负荷的运行特性、控制方法及神经网络在控制与优化方面的优势,研究了智能电网需求侧温控负荷在频率调节服务中的控制方法与调度策略,对于智能电网的进一步发展与辅助服务市场的构建具有重要意义,主要研究内容如下:首先,设计了一种基于反向传播(Back Propagation,BP)神经网络的在线实时优化的控制器,并利用温控负荷的温度设定值调节方法,实现对频率调节信号的有效跟踪,达到提升频率调节辅助服务质量的目的。进而,提出了一种基于模糊神经网络的温控负荷频率调节策略,基于模糊控制的模糊信息表达及逻辑推理能力和神经网络的自学习能力设计了模糊神经网络控制器。在模糊神经网络的训练过程中将粒子群(Particle Swarm Optimization,PSO)算法和BP算法结合,优化了连接权值和隶属函数可调参数的初始值,避免了局部最小值,加快了收敛速度。最后,研究了一种考虑用户满意度的温控负荷混合控制策略来提供频率调节服务。该控制策略根据温控负荷控制方法将温控负荷分为两个集群,基于小脑模型(Cerebellar Model Articulation Controller,CMAC)神经网络,采用最小均方算法(Least Mean Square,LMS)实时优化调频分配信号,结合开关优先级控制和温度设定值调节两种基本控制方法的优势,实现需求侧温控负荷消耗对电网频率调节信号的跟踪。该控制策略还利用模糊综合评判法及综合评价函数实时评估系统调控效果,并反馈回控制系统,使控制系统提高温控负荷跟踪精度的同时优化了用户满意度。