智能电网环境下家庭能源管理系统的技术体系如右图1所示。物理层由负载、储能系统和可再生能源三类设备构成;在中间层检测、预测、用户设置的基础上对物理层设备的运行进行优化调度，优化调度的结果通过设备监控作用于物理层设备上，利用网络通信技术构成家庭能源管理系统通信网络；在中间层的支持下可以实现节能减排、需求响应、可再生能源接入、电动汽车接入等系统功能。
在此技术体系中，检测是进行优化调度和监控的基础，优化调度是核心，网络通信技术是实现系统的关键技术之一 。另一方面，风电、光伏发电出力预测、电价预测和负载预测可直接采用已有的预测算法。因此，从检测技术、网络通信技术和优化调度算法三方面总结智能电网环境下家庭能源管理系统的关键技术研究取得的成果，讨论存在的技术挑战，并指出未来的研究方向。
与传统的家庭能源管理系统相比，智能电网环境下家庭能源管理系统检测的物理量范围更广、频率更高、粒度更细。以检测用电设备的耗电量为例，智能电网环境下的家庭能源管理系统不仅要检测家庭用户的总用电量，还要将用电量细化到具体的用电设备和用电时段上。传统检测方法需要为每个检测对象安装传感器，成本高，安装、维护难，并且它是一种侵入式检测方法，难以被用户接受 。
非侵入式负载检测方法可以弥补传统方法的不足，是当前的研究热点。它由MIT的George Hart提出，最初用于居民楼负载监测。该方法通过分析负载的稳态和瞬态特征实现负载的识别。非侵入式负载检测方法只需要在家庭环境内安装少量传感器检测关键节点的用电量，然后通过算法来确定具体设备的工作状态和耗电量。非侵入式负载检测方法中设备特征选取和识别算法设计是关键，算法有时间序列法、维特比算法、整数规划法、模糊聚类法、人工神经网络法、遗传算法等。
非侵入式负载检测方法采用的仪表少、成本低、安装维护容易，易于被用户接受，但对于能耗小、工作模式复杂的设备进行识别比较困难，并且随着设备数量的增加，识别精度下降；大部分算法需要大量的训练和标定过程。
对家庭环境内用户的物理位置和行为进行检测和识别，采用一定的方法对用户的行为模式进行预测有利于家庭能源管理系统对设备的运行进行优化调度。检测手段除了传统的红外法、RFID标签法外，还可以通过嵌入在家用电器中的无线收发器接收信号强度的变化来检测人员活动信息。
除了传统的以数据为中心的人员行为检测，也可以采用知识驱动的方式进行家庭环境内人员行为检测，比如利用本体对家庭环境和人员行为进行表示、建模，采用语义推理、分类和领域知识进行人员行为识别。
家庭环境内人员活动行为的检测和识别主要集中在单用户方面，在实际家庭环境内往往存在多个用户，他们之间的行为具有藕合性，增大了行为识别和预测的难度，但识别和预测的结果对提高家庭能源管理系统的优化调度性能具有重要价值。
因此，非侵入式检测识别算法、多用户用能行为检测和识别是家庭能源管理系统检测技术领域未来的研究重点。
与传统的家庭能源管理系统不同，智能电网环境下的家庭能源管理系统不仅要对单个家庭环境内的用能进行优化、管理，而且多个家庭还要协同工作，因此，智能电网环境下的家庭能源管理系统需要家域网、小区网络和广域网三种网络的支持。每个家庭能源管理系统含有一个智能电表，它是家域网与外部网络进行信息交换的接口。同一区域的众多智能电表构成小区网络，来自各个智能电表的数据在小区网络数据聚合中心进行聚合，再通过广域网送到电力公司用于实现用能计量、负载预测等功能;电力公司发布的需求响应控制命令、电价等信息沿相反的路径传输。三种网络之间的关系如右图2所示。
由于用户移动、增减用电负载等操作会造成网络拓扑结构频繁改变，因此不适于采用有线方式组建家庭能源管理系统通信网络。无线通信技术是当前组建家庭能源管理系统家域网的主流技术，其中ZigBee技术由于具有低功耗、自组织、拓扑结构灵活、低成本等优点，是家庭能源管理系统家域网最常用的通信方式 。
家庭环境内含有大量种类多样的设备，由不同的制造商生产，采用不同的通信标准，尽管ZigBee技术在该领域得到了广泛应用，但尚未形成家庭能源管理系统家域网的统一通信标准。这增加了系统集成的难度。
另外，家庭环境内的大部分用电设备检测、通信功能有限，需要外置的检测、通信模块来检测自身用能情况和组成网络，这种方式使家庭能源管理系统实施难度大、成本高、不易被用户接受。
互操作研究仍是家庭能源管理系统家域网领域研究的热点。通过和智能家电制造商联合制定家庭能源管理系统的标准，未来的智能家电自身含有能量检测和通信组网能力，来自不同制造商的智能家电能够按照同一标准自动组网，自我报告自身用能情况。这种标准的制定有利于解决家庭能源管理系统存在的能量检测精度低、设备互操作难的问题，降低家庭能源管理系统的实现成本，提高用户接受度。
网络安全问题是智能电网环境下家庭能源管理系统网络通信领域另外一个研究热点。在智能电网环境下，用户通过Internet和移动网络可以对家庭环境内的设备进行监控，同时家庭能源管理系统采集大量的用户用电数据。非法用户可以通过用户用电数据的分析推断出用户的生活习惯，造成用户隐私泄露;非法的网络入侵会威胁到系统的安全运行，造成用户的经济损失。因此，研究相应的网络安全技术对于保障家庭能源管理系统的安全运行和用户隐私及经济利益具有重要的意义。
但家庭能源管理系统中的设备存在资源受限、计算能力弱的特点，比如，智能洗衣机的控制器是典型的中低端嵌入式微处理器，其计算能力有限。并且家庭能源管理系统网络中涉及控制的信息传输要满足硬实时性的要求。所以传统的Internet网络安全技术不能满足系统需求，因此计算资源受限情况下满足实时性要求的网络安全技术是未来的研究重点。
另外，家庭能源管理系统采集大量的用户用电数据，内含用户隐私，如何在满足电力公司正常需求的前提下尽量保护用户隐私也是值得研究的方向之一。
对家庭环境内的用电设备进行调度减少设备的空闲损耗、提高用电效率是传统家庭能源管理系统的主要调度目的。智能电网环境下家庭能源管理系统实现功能的多样性、可再生能源出力的不确定性、动态电价、能量流动的复杂性等因素都增大了优化调度的难度。管理系统中的右图3所示是智能电网环境下家庭能源能量流图，箭头表示能量流动的方向，箭头上的符号表示功率的大小。
虚线框内的部分为单个家庭用户拥有，它和大电网之间存在双向的能量流动关系：家庭用户可以从大电网购买电能供用电负载消耗，或由存储系统储存，并为此支付相应费用;在动态电价机制下，购买电能时段的选择直接影响到用户支付费用的多少。用户也可以将分布式电源产生的多余电能和储能系统储存的电能出售给电网来获得相应的收益，并且售电时段的选择也与其收益大小密切相关。
分布式电源产生的电能可以供给用电负载消耗、储能系统存储和售给大电网，在一特定的时刻，不同的选择会对用户的用能费用产生不同的影响。同样，储能系统能量存储、释放策略的选择也影响着用户的用能费用。因此，对虚线框内用户拥有的部件进行控制，实现各组成部分之间的能量流动方向和大小进行优化调度对降低用户总用能费用具有重要的意义。
光伏发电和风力发电的功率输出不稳定，根据它们的出力预测对可调度用电负载和储能系统的运行进行调度，能够提高可再生能源的利用率。此外，需求响应的实施和大规模电动汽车的安全接入电网都需要优化调度算法的支持，因此优化调度问题是智能电网环境下家庭能源管理系统的核心问题。
根据优化调度的目的不同，当前的优化调度算法主要分为以下三类:总用电功耗小于目标值的调度算法、最大化可再生能源利用率的调度算法、最小化用户用能费用的调度算法。
1)总用电功耗小于目标值的调度算法。在居民侧实施需求响应除了利用动态电价信号通过经济刺激方法引导用户改变用电模式外，电力公司还可以根据当前的电力供应情况，直接向用户发布需求响应控制信号，向用户指定需求响应的持续时段和在此期间该用户的家庭用电上限，电力公司根据事先与用户签订的协议为用户支付相应的经济补偿。用户收到需求响应控制信号后，通过家庭能源管理系统中的优化调度模块对家庭环境内的用电设备进行调度，确保满足需求响应控制信号的要求，必要时可以牺牲用户的部分舒适度。
优化调度算法不仅要考虑可调度负载对家庭总用电量的影响，还要考虑不可调度负载及可再生能源出力不确定性对调度结果的影响。
2)最大化可再生能源利用率的调度算法。光伏发电和风力发电的出力不确定性不利于它们大规模接入电网，限制了它们的利用率，通过大容量的储能系统可以削弱出力波动，提高可再生能源的利用率，但该方法成本高，不便推广。同时光伏发电、风力发电的出力波动大，储能系统的容量不易确定，储能系统的利用效率低。家庭能源管理系统通过对用电负载和储能系统的调度，优先消纳本地光伏发电、风力发电等可再生能源产生的电能，有利于提高可再生能源的利用率，降低可再生能源出力波动对电网的不利影响。
家庭能源管理系统可以根据天气预报网站分小时发布的天气预报信息对可再生能源的出力进行预测，然后根据电价的预测结果和用电负载的优先级对用电设备进行调度，从而最大化可再生能源的利用率，并最小化用户用能费用。
将电动汽车的充/放电与可再生能源发电预测相结合，建立一个同时计及具有V2G功能的电动汽车、风电和光伏发电系统出力不确定性的电力系统协同调度模型，可平抑可再生能源的出力波动，改善电力系统运行的经济性，提高可再生能源的利用率。
3)最小化用户用能费用的优化调度算法。在智能电网环境下，家庭能源管理系统除了降低负载的空闲损耗来降低用电费用外，可以采取多种方法来降低用户用电费用:响应电价信号，将部分负载从“高电价时段”调度到“低电价时段”;根据可再生能源发电的出力状况协同控制用电设备增加低成本可再生能源的利用量，减少从电网购买的电能；将可再生能源产生的多余电量售给电网；利用储能系统在低电价时存储电能，在高电价时供给用电负载或售给电网获取经济效益等。
不同的调度算法考虑的对象范围不同，高压交流输电系统用电占整个家庭电能消耗的22.3% 到49%，提高高压交流输电系统的效率是实现节能减排、用户侧需求响应的重要手段，对降低用户用电费用具有重要意义。因此，高压交流输电系统的优化调度算法是该领域当前的研究重点之一。根据动态变化的电价和室外温度的变化对未来时段高压交流输电系统的温度设定进行优化调度，能够在保证用户舒适度的条件下降低用户用能费用。检测室内人员活动信息，分析用户行为模式，有针对性地高压交流输电系统的运行进行优化调度也可以提高使用高压交流输电系统的效率，降低用户用能费用。利用房屋具有的储能特性，根据可再生能源的出力状况对高压交流输电系统进行控制，通过提高可再生能源的利用率来降低用户用能费用。
家庭用户不仅关心高压交流输电系统的用能费用，更关心整个家庭环境内的总用能费用，因此优化调度算法还要考虑其他用电负载、储能系统和分布式电源对优化调度结果的影响。对家庭环境内的分布式能源资源和储能系统进行优化调度，也可以降低用户的用能费用。与只考虑用电负载、储能系统、分布式能源中的某一类或几类的优化调度算法相比，在统一的框架下综合考虑用电负载、储能系统和分布式电源的优化调度模型和算法能够获得更优的结果。
在实际应用中，并非所有用户都同时拥有用电负载、储能系统、分布式能源和向电网出售电能的能力，但研究表明用户拥有储能系统、分布式电源和向电网出售电能的能力有助于降低用户的用能费用。
T.Hurbet和S.Grijalva 在优化调度算法仅考虑用电负载的基础上，依次加入储能系统、用户向电网售电能力、光伏发电系统和发电机组，每种情况下都用三种不同的算法对系统进行优化调度。
智能电网环境下家庭能源管理系统的优化调度算法除了以上三类主要算法之外，一些研究人员提出了通过对一定数量的高压交流输电系统、热水器、电动汽车进行协同调度控制，为电力系统的运行提供调频、调峰等服务的算法。
研究表明用户的用能费用与用电负载、储能系统、分布式电源和向电网出售电能等因素均有关系，但在统一的优化框架下综合考虑这些因素的研究较少。另外，已有的调度算法对可再生能源出力预测、负载预测、电价预测、用户用能不确定性和环境因素(比如室外环境温度)等不确定性因素对优化调度结果的影响研究不足。因此，在不确定性环境下基于统一优化框架综合考虑各种因素的调度算法是该领域未来的研究方向之一。
