随着环境问题的日益恶化和能源危机的不断加剧,传统大电网供电模式存在的可靠性低、成本高、环境污染等弊端也在一步步显现出来。微电网作为当前电力系统的一种辅助供电方式,具有能源利用率高、低污染等优点,它的应用一方面响应了国家大力发展可再生能源的政策,有利于保障我国在突发灾难时提供可靠的备用电源,另一方面能够有效解决海岛边防哨所等偏远地区的供电问题。能量管理策略是微电网系统能够安全稳定运行的关键,但是由于系统中所包含的太阳能和风能等所固有的随机性和波动性,再加上微电网的调度过程受到很多因素的影响,包括:负荷需求、天气状况、电网实时电价等,微电网的能量管理面临着很多挑战。针对以上情况,本文做了以下工作:本文首先介绍了微电网系统的组成架构,对系统内的光伏电池、风机、燃料电池、蓄电池等微电源建立了模型,并分析了它们各自的特性。其次,短期负荷预测作为微电网实施能量管理策略的前提,精准的负荷预测能够提前预告微电网的出力要求,合理安排各分布式电源的启停和功率输出。针对传统的时间序列预测方法所存在的不足,本文提出了一种基于深度学习的混合预测模型,预测模型使用卷积神经网络CNN提取负荷数据的特征向量,并将特征向量作为Bi LSTM网络的输入进行双向循环训练,最终获得负荷的预测值。接着,在一定的约束条件下建立了微电网的经济调度模型,并提出了一种改进的灰狼优化算法,对原有算法在种群初始化、参数设置以及搜索机制等方面进行了改进,使用改进算法求出调度模型的最优解,将该解作为微电网各分布式电源最佳出力的参考,实验结果表明,改进的灰狼优化算法在收敛速度和准确度方面都要优于普通的群智能算法。最后,对微电网的控制器和上位机管理系统进行了设计,使用Bootstrap和Django等前后端框架开发了微电网能量管理系统,并对相关功能模块进行了实现。