微电网作为一种包含可再生能源的高度自治、灵活的电力系统受到了广泛的关注。本文针对微电网能量效率管理优化问题,提出了基于HBA的EEMD-LSTM用户侧短期负荷预测模型、基于Xgboost特征权重优化的LS-SVM分布式电源预测模型,并建立了Pareto前沿优化的环境经济多目标能量优化调度模型。具体研究内容包括以下几个方面:第一,以微电网短期负荷为预测对象,针对微电网居民负荷为重要组成部分的特点,提出了一种基于人体舒适指数的预测模型HBA-EEMD-LSTM。将人体舒适指数有效整合到预测模型中,并利用自适应参数优化的EEMD数据分解方法精准确定时间序列的总体趋势。此外,基于S2S结构的LSTM可以灵活地调整不同时间尺度的负荷预测。实验结果表明,HBA-EEMD-LSTM模型能有效提高微网短期负荷预测精度。第二,以分布式电源为预测对象,针对光伏功率非线性和非平稳性的特点,使用Xgboost算法评估各特征权重值,提出基于多权重优化的xgboost-K-means-LSSVM预测模型。实验表明,相比于原算法以及未改进的k-means算法,分别提高了5.94%和3.62%的预测精度。第三,针对微电网调度的特点,提出一种基于Pareto前沿优化的动态经济环境多目标优化算法。该算法对关联到相同参考点的个体建立时间序列来预测新环境下种群,将历史时刻的预测误差反馈到当前预测中来提高预测的准确性。通过与未优化的NSGA-II调度模型相比,优化模型在降低运行成本的同时减少污染气体排放,更好地帮助微电网可再生能源充分消纳,促进节能减排,同时帮助主网削峰平谷,并提高了系统鲁棒性。本文工作面向实际,提出了基于用户侧预测的动态多目标调度优化模型,为我国微电网实现经济、环保、高效、可靠供电给出切实有效的调度方案,具有较大的现实意义。