利用当地丰富的能源如水能、光能和风能建立起微电网是解决一些偏远的地区用电问题的重要途经。微电网的建设不仅可以很好地满足当地的负荷需求,还可使用绿色能源有效地缓解传统能源危机和环境污染的压力。建立水-风-光微电网调度优化模型,不仅仅可以使得微电网有更好的经济性和环境效益,还对微电网安全稳定的运行具有重要意义。但是,由于微电网主要具有大量分布式能源,其中风力发电和光伏发电受到当地环境的影响大。提高风力发电和光伏发电的预测精度,也将为微电网安全稳定的运行提高更加准确的数据。本文主要围绕微电网的发电功率预测、负荷预测以及优化调度问题展开研究,主要工作如下:(1)考虑天气因素的影响,提出一种基于距离相似度和趋势相似度的相似日选取方法,并应用在光伏发电功率预测上。将布谷鸟算法引入到埃尔曼神经网络的寻优搜索过程中,改善埃尔曼神经网络的全局搜索性能以及其结构和参数,建立一种布谷鸟优化埃尔曼神经网络的预测模型,比较该模型与传统模型对UQCentre太阳能光伏电站出力和美国风能中心风速数据的预测结果,可知晴天、阴天、雨天的布谷鸟优化埃尔曼神经网络的光伏发电功率预测模型较传统的埃尔曼神经网络模型的误差分别减少了4%、4.44%和2.72%;布谷鸟优化埃尔曼神经网络的风力发电功率预测模型较传统的埃尔曼风力发电功率预测模型的误差较少了0.29%。(2)考虑到负荷预测模型的误差是一个马尔科夫链,本文基于深度学习理论,建立一种改进的长短期记忆网络负荷预测模型,利用马尔科夫链理论对长短期记忆网络负荷预测误差进行修正,实现对预测值精度的提高。比较该模型和传统模型对浙江示范微电网负荷的预测结果,可知改进的长短期记忆网络负荷预测模型的误差较长短期记忆网络模型较少了1.4428%。(3)由于风力发电功率预测和光伏发电功率预测具有误差,给微电网的调度带来不便。建立起微电网优化调度的数学规划模型,利用机会约束的方法处理模型中的不确定性约束,将其转化为确定性的约束,并利用序列二次规划法来求解微电网优化调度的规划问题。对比不同置信度与成本的关系可得,随着置信度的下降,总成本从2565.5元减少至2079.3元,可见改变置信度可以调整微电网的保守性以获得经济上的收益。(4)单一时段负荷和可再生能源发电的波动性,将会导致源荷消纳不均衡程度大。因此在考虑到源荷消纳问题,建立水-风-光微电网的两级调度模型。基于原有粒子群算法的缺陷,采用了一种扩大搜索的粒子群二次序列算法作为规划问题的求解方法。对比两级调度与一级调度的各项指标,两级调度丰水期的负荷波动率减少了14.22%,总成本减少了763.52元,弃电量减少了133.1k W,枯水期的负荷波动率减少了6.89%,总成本减少了691.49元。可见两级调度模型可以使微电网经济性更好,可再生能源利用率更高。