能源匮乏和环境污染是全世界面对的问题,开发和利用可再生能源发电是改善环境的有效方法。然而,由可再生能源发电构成的微电网系统容易受到气候和环境变化的影响,导致发电具有随机性,因此需要对微电网的能量进行优化管理。本文对可再生能源发电和负荷进行预测,通过能量管理策略实现微电网的能量管理。首先,描述了分布式电源的数学模型和微电网能量管理模型。针对可再生能源发电和负荷的随机性问题,分别采用指数平滑法、灰色预测方法和基于差分自回归滑动平均模型（Auto Regressive Integrated Moving Average,ARIMA）的时间序列分析方法等三种不同的预测方法,对可再生能源发电和负荷进行预测。通过算例仿真实验,比较三种方法的预测误差率,得到了基于ARIMA的时间序列分析方法具有更高预测精度的结论。然后,针对微电网的能量管理需求,给出了一种微电网的能量管理策略。该策略根据微电网预测的发电量和负荷,同时考虑未来的天气情况并结合储能系统,通过能量管理算法计算微电网的交易意愿度,再由微电网的交易意愿度计算微电网的投标电价和投标电量。在此基础上,根据每个微电网的投标电价和投标电量,采用粒子群算法在交易市场中寻找微电网的最佳交易目标,从而使微电网的能量得到最优的调度。最后,为了验证所提方法的可行性和优化效果,基于Matlab软件编写仿真程序,对30个微电网参与电力交易的能量管理算例进行了仿真,得到了优化算法的优化效率。同时,将所提方法在预测未来不同时段的总成本与采用传统方法、电力预测后提前24h调度方法的总成本作比较,通过仿真与结果分析,验证了所提出方法的可行性且能有效降低微电网的运行成本。