由于不可再生能源的不断消耗,电力负荷的持续上升,以及环境污染带来的压力,分布式发电因其高效利用自然资源,环境污染小,接入灵活和可实现区域电力自治等特点被视为解决能源危机的重要手段之一。但风力发电、太阳能发电作为分布式发电存在着很大的不确定性和间歇性,同时分布式发电的大规模并网,必然会给电网带来一定的干扰和冲击并给电力系统的高效管理和调度带来相应的挑战。微电网的出现成为解决这一难题的关键。微电网是由各类分布式发电机组、储能装置、可控负载等组合而成的电能区域自治和自用的小型电力网络系统。首先,从微电网的概念、发展意义以及国内外研究现状入手,阐述了目前微电网及微电网优化调度国内外研究发展现状,介绍了微电网的基本结构,随后分析了微电网内部各分布式单元的发电特性和数学模型。其次,对多智能体系统进行了详细的分析介绍,将多智能体应用到微电网的优化调度中,构建了基于多智能体系统的三层控制结构,综合考虑燃料发电成本、设备运行维护成本、污染物处理环境成本,在对微电网内各分布式电源设定目标函数与约束条件的基础上,建立了微电网的优化调度数学模型。最后,研究采用多智能体混沌粒子群算法（MACPSO）,将多智能体技术与混沌寻优引入粒子群算法中以解决传统粒子群算法过早收敛、易陷入局部最优、搜索精度不够等缺陷,通过初始化每个粒子的速度、位置信息,计算当前粒子及其周围8个相邻粒子的适应度值,更新粒子的个体最优和全局最优值,并利用混沌搜索加强寻优能力。以微电网系统运行成本和环境成本综合最小为目标,利用MATLAB平台,在设定的三种不同的优化调度方案下进行了仿真分析,将仿真结果与传统粒子群算法对比。结果表明,在基于多智能体的分布式控制结构下,本文采用的优化算法及运行控制策略能够对微电网各分布式单元进行有效的优化调度,使系统内部各单元出力更加合理,有效降低了微电网的运行成本和环境成本,提高了微电网的经济性和环保性,同时M ACPSO算法在收敛速度和寻优能力有更好的表现。