微网能量管理系统（Micro-grid Energy Management System,MEMS）作为智能电网的重要组成部分,在实现供需平衡、可再生能源高效利用、电网经济运行等方面具有重要意义。由于负荷的多样化和可再生能源发电的高比例化,MEMS具有复杂性、时变性和不确定性等特点,因此难以建立其精确数学模型及实时优化求解,本文据此展开MEMS建模与优化问题的相关研究。本文的主要内容如下:（1）针对园区MEMS负荷数据复杂多样化而造成的模型精确建模难及优化求解难的问题,开展建模与算法的相关研究。首先,采用模糊C均值算法将园区电力用户分为工业用户、商业用户和居民用户。其次,运用多神经网络融合算法并结合不同影响因素对不同类型用户进行用电预测。然后,为解决园区MEMS中动态功率的调度问题,通过基于多神经网络融合预测算法的自适应动态规划（Adaptive Dynamic Programming,ADP）微网能量管理方法对储能系统充放电功率进行优化调度。园区MEMS优化目标为降低园区内微网储能系统的寿命损耗及电力运行成本。最后,利用数学归纳法从数学上证明了该算法在初始值为任意半正定函数时的收敛性,并通过硬件在环仿真平台验证园区MEMS的有效性。（2）针对园区内的楼宇MEMS实时性问题,进一步对实时优化算法进行研究,提出了一种基于核的ADP能量管理方法。首先,针对楼宇微网中可再生能源发电及负荷用电所存在的不确定性问题,运用长短期记忆神经网络分别对发电和用电功率进行预测。其次,针对传统ADP算法中神经网络的实际逼近能力受学习步长、隐藏层数、初始权重等诸多因素影响的问题,本文采用核方法构造了 ADP的性能指标函数。然后,提出基于预测技术的核ADP微网能量管理方法,获取近似最优控制策略,对楼宇内电动汽车进行有序实时充放电调度,实现楼宇微网经济、低碳运行。最后,通过硬件在环仿真平台验证楼宇MEMS的有效性。（3）针对楼宇内住宅MEMS中负荷数据复杂多样问题,进一步对负荷精细化建模进行研究,提出一种门控循环单元-双向编码器（Gate Recurrent Unit-Bidirectional Encoder Representations from Transformers,GRU-BERT）预测算法。首先,针对传统预测方法仅与历史功率数据相关的情况,将住宅负荷分为气象敏感型负荷、人类活动敏感型负荷和非敏感型负荷。其次,运用GRU-BERT预测算法,结合气象温度、湿度、辐射强度和人类活动等信息预测不同类型负荷用电量和可再生能源发电量。然后,通过基于ADP的住宅微网能量管理方法,对住宅微网内的储能系统充放电功率进行优化调度。住宅MEMS优化目标为提高可再生能源利用率及降低住宅用户电力成本。最后,通过硬件在环仿真平台验证住宅MEMS的有效性。在上述基础上,对本文的研究工作进行了总结,并对基于自适应动态规划的MEMS未来研究方向进行了展望。