负荷预测一直是电力系统研究的一个重点课题,也是指引宏观调控的重要依据。目前对于负荷预测主要采用的是经验值法或统计法,根据历史数据进行预测,因此存在很大的预测误差。负荷预测主要目的是降低负荷高峰提高负荷低谷,从而降低峰谷之间的差值,减小电力系统的冲击效应。因此,负荷预测的精确性的研究具有至关重要的作用。论文在充分考虑了各分布式电源特性基础上,搭建了风力发电、光伏发电等微电网分布式电源模型,同时,针对包括微电网在内的电力系统设计了一种两级调度模型,为后续仿真分析提供数学计算模型。为了提高电力负荷预测的准确度,降低其峰谷差,论文结合RNA全局搜索能力强横群体算法CS的局部搜索能力优的特点,利用RNA高低位变异算子对CS莱维飞行进行优化,设计了一种RNA-CS混合算法;采用测试函数进行仿真,结果表明,RNA-CS混合算法相比于其他算法表现出更优的最优值,同时具有更快的收敛速度。论文采用RNA-CS混合算法对风力发电和光伏发电功率进行预测;仿真结果表明,RNA-CS相对于基础遗传算法和布谷鸟算法,在风力发电和光伏发电的发电功率预测上更为准确。在微电网分布式电源参与主电网负荷预测地基础上,论文采用RNA-CS混合算法对包括微电网的电力系统两级调度模型参数进行优化,仿真结果表明,电力系统负荷曲线具有更低的峰谷差,有效地提高预测的准确度以及稳定性,降低了电网事故率,进而降低经济损失。