随着传统化石能源的不断衰竭,可再生能源技术与电动汽车技术得到了很大的发展,将分布式能源并入大电网实现环保、节能、可持续的电力输出得到智能电网建设的广泛关注。而微电网正是智能电网建设过程中对分布式能源并网问题进行解决的重要技术,与现有电力系统相比,智能微电网对信息处理技术和微电网优化调度策略的要求进一步提高。由于智能微电网内包含大量具有随机性和难以控制的分布式可再生能源,其频繁的并网与退网给智能微电网的运行控制带来了很大的困难,为有效提高分布式能源利用率和供电质量,需提供先进的信息处理技术和优化运行策略。因此,本文利用智能启发式算法对智能微电网系统中的信息处理技术和分布式能源优化控制问题进行研究。本论文主要研究工作如下:(1)针对边/云混合的分布式计算架构,提出一种基于免疫混沌粒子群算法的电力系统负载均衡算法。在云计算层与终端层之间构建一个边缘计算层,主动将云端数据卸载到数据源侧就近处理,减轻云端计算负担,降低任务处理时延。同时考虑到边缘节点计算能力的不足,基于该混合架构,提出一种免疫混沌粒子群负载均衡算法,对各节点的计算任务进行合理分配,提高电力系统海量数据处理能力,为后续微电网系统的调度和控制提供可靠的信息处理支持。(2)针对含有大规模电动汽车接入的微电网系统,提出一种基于退火变异粒子群算法的微电网经济调度策略。通过对现有工作的分析,考虑峰谷电价、环境治理等因素,结合储能技术和电动汽车V2G技术,建立基于大规模电动汽车的微电网运行费用和环境保护费用最小的微电网经济调度模型,进而提出一种退火变异粒子群算法进行优化求解,提高微电网运行的经济性。(3)针对不同负载类型和电力需求的多微电网系统,提出一种基于自适应变异遗传算法的多微电网经济调度策略。通过对工业、居民、商业负荷的分析,考虑多微电网之间的协同互补性,从系统环保性与经济性的角度出发,建立基于多微电网系统的运行费用和环境保护费用最小的多微电网优化调度模型,同时提出一种自适应变异的遗传算法对系统模型进行优化,寻找最优经济调度方案。