随着国家大力提倡清洁能源的使用,采用光伏分布式发电的微电网系统成为电力系统领域重要的发展趋势。然而,现有微电网系统由于缺乏合理的运营管控造成了大量资源的浪费,严重制约了清洁能源的发展。提高清洁能源利用率,降低微电网的运营成本成为了研究的热点。为了实现微电网经济效益的最大化,本文针对微电网的优化控制方法进行研究。为了实现微电网的运营管控,需要对光伏发电的出力和用户负荷功率进行预测。针对光伏发电的出力预测,本文使用Kolmogorov-Smirnov检验(K-S检验)对光伏发电出力历史数据进行分析,得到不同气象条件下光伏电站的出力特性、概率分布函数及特征参数范围,并使用K-means算法将广义天气类型聚类为三组。依据不同的聚类分组,基于人工神经网络算法分别建立了对应的光伏发电出力预测模型并进行了仿真验证。结果表明,光伏功率预测在良好气象条件下预测精度较好,对于雪、霾等恶劣天气下的预测精度存在一定偏差。为了实现用户负荷的功率预测,本文对支持向量机的模式识别算法进行研究,使用高斯函数作为核函数,建立了基于支持向量机的负荷预测模型并进行了仿真验证。模型的预测结果准确率较高,误差较小,可以满足典型用户负荷的预测需求,为微电网的运营管控提供支撑。为实现微电网经济效益的最大化,本文提出了基于多目标优化函数和人工蜂群算法的微电网优化控制策略,降低了微电网的运营总成本,能够在保护环境的同时显著提高微电网的经济效益。