相较于经典的电力主导的需求响应,现今的家庭系统内电、气、新能源等多种形式的能源并行,蕴含着提升系统运行的平稳性与经济性的潜能。家用型气电两用产品在住户中的普及程度不断提升,可帮助提升综合需求响应的优化灵活度。调度中能源、可调负荷、用户等多方面因素具有不确定性,严重影响着家庭综合需求响应优化的经济性和稳定性。据此,面向该问题提出一种家庭综合需求响应自动优化方案,减少家庭的能源开销。主要研究工作有:第一,提出了一种基于强化学习的家庭综合需求响应优化框架。分析归纳了家庭终端可参与响应的负荷资源与家庭每种能源间的互济机理,并深入论述了家庭调度中不确定性的源头与应对机理,从而给出深度强化学习优化家庭综合需求响应的通用框架。第二,针对无储能但含气电两用设备的家庭综合能源系统,提出了基于深度强化学习的自动优化框架和将输入量内重要部分连入后续网络的高效结构,并结合迁移机制,从而自动实现对该类系统能耗的在线优化。参与优化的家庭设备划分为气电两用型、用电型负荷两类,联合家庭中的电与气两种能源,一并构成气电综合需求响应的核心要素。基于用户支出最少能源费用的目标,设计并建立了深度强化学习优化模型,包括系统模型、动作空间、状态空间、奖励函数、深度网络以及训练算法设计。仿真验证了该方案能够自动适应家庭系统的不确定性与设备投退,提供用户需要的负荷调度策略,可以大幅提升系统的经济性。并且设计的特殊深度网络与迁移策略可以大幅提升优化速率。本方案的适用性极强,相比较于传统运行策略、标准的网络与训练方式,可节省能源开支29.4%,以及节约优化时长28%。第三,针对有储能和气电两用设备的家庭综合能源系统,提出了面向该类系统的深度强化学习自动优化策略,优化了系统的能源成本。该部分在已有基础上,为缩减强化学习的动作空间,将气电两用型负荷与储能设备采用三相开关进行建模,其余用电负荷建模为双相开关。为提高奖励函数的表达性,采用奖励塑形方法将各负荷的奖励相应建模为弹性奖励。其余诸如状态空间、深度网络以及训练算法则根据需要进行参数调整。仿真验证了,本文所提的在线自动优化框架和加速设计同样可适用于含储能的家庭系统,该策略可实现储能与PV协同优化,相比于无储能系统,可进一步降低家庭能耗约14.5%,满足家庭系统调度的实时性。