自从改革开放政策正式实施以来,我国科学技术发展变得愈加先进,电力行业在先进科技的支撑下,实现了突飞猛进的发展,而其中起到关键作用的当属分布式能源,其主要原因在于其安装范围广,安装地点灵活,节省资源且无污染的特点。作为分布式能源的载体,微电网虽然内部构成较为简单,但也是一个完整的电网系统。通过一个公共的连接点（PCC）和大电网系统相连接,一旦微电网能源出现后继无力的情形时,可由大电网进行补充;而当微电网电量富余时,也会返回给大电网。本文正是基于此种背景所展开的,旨在深入剖析并网型微电网的负荷预测情况及能量调度优化管理内容。本文首先分析了负荷预测算法以及云计算的研究近况,具体探讨了微电网的发展以及国内外的研究现状,以及目前微电网能量调度研究的进展。基于云计算与大数据等技术的诞生与发展,明确指出企业数据云化可以说是全球数字化转型不可阻挡的趋势,使用户能够灵活使用、调配想要用到的数据中心资源。其次,通过分析微电网负荷历史数据,总结出负荷存在的显著的周期性变化特征。除此之外,其还受外在因素的影响,主要包括气象条件、工作日休息日以及电价政策等。并提出基于人工鱼群算法的GEP种群局部优化以及全局优化算法。然后,针对大数据环境下的海量数据,为了提高人工鱼群算法的速度减少预测耗时,基于ELFFM-AFSGEP技术,开发了基于云计算的分布式电力负荷预测算法。此外,在DELF-HGEPCloud算法中,为了更好地解决全局电力负荷预测模型问题,建立了基于误差最小化交叉的全局模型算法。依托于真实负荷数据集的实验结果,能够得出ELFFM-AFSGEP在平均时间消耗方面具有明显优势的结论。最后,构建了集蓄电池储能、光伏发电、及风力发电机等为一体的小型交流电网系统,对微电网的分布式能源及储能进行分析和建模,考虑向大电网购电和售电的运行成本,采用PSOGSA算法对微电网能量调度优化运行进行功率曲线求解,证实了不但可有效实现微电网和大电网之间电能的顺利交互,减轻了高峰时段的供电压力,而且还极大地降低了系统的运行成本,具有较好的经济效益和社会效益。