充分挖掘聚合对象的需求响应(demand response,DR),合理聚合响应能力高、违约率低的优质用户,是负荷聚合商(load aggregator,LA)保障收益、降低风险、提高市场竞争力的有效途径。首先根据居民用户负荷的用电特性将负荷分类,并建立相应的响应模型;其次,以居民用户24个时段响应潜力值构成的需求响应潜力向量作为自组织映射(self-organizing map,SOM)神经网络算法的输入向量进行训练学习,得到居民用户的响应类型及响应等级的分类;再次,计及响应过程中用户响应违约的概率,建立了考虑风险的LA用户优化聚合模型;最后,通过算例分析验证了模型的正确性和有效性。