近年来，全球的能源使用量逐年上升，由消耗能源带来的环境污染也在年年加重，导致人们需要找到其他更有利于人类发展的能源使用方式。得益于分布式发电技术和微电网技术的发展，如今人们可以大量使用可再生能源去代替过去使用的化石能源，例如太阳能、风能等。分布式发电不仅在节能和环境保护方面有巨大的优势，而且在解决边远地区用电困难问题方面也有不可替代的作用。但是，可再生能源一般都会受到地理条件、天气情况和外部环境等因素的影响，这让可再生能源的能量输出具有间歇性、不可控性和随机性。这些特性会导致含有分布式发电装置的微电网在接入大电网时会对大电网产生冲击，而且无法使人们预先做出能量调度安排。为此，人们引入微电网能量管理系统去解决这个问题。当微电网为单个家庭服务时，我们可以称其为家庭微电网，在本文中主要讨论家庭微电网的研究。本文首先针对分布式能源具有间歇性和随机性的特点，提出了一种基于模拟退火的反向传播（Back Propagation，BP）神经网络光伏发电预测方法，此方法通过利用历史光伏输出数据、季节和天气等数据，得到一个日前预测模型，最后通过预测模型去预测光伏发电的输出；再建立了一个基于粒子群优化算法的家庭微电网能量管理方案，此方案通过利用预测得到的光伏发电数据，配合电力市场数据、家庭用户负荷运行数据，去优化家庭微电网内部的电能调度策略，使储能系统的运行时间和输出功率达到最优，让家庭用户在使用微电网时经济利益最大，也让大电网不在受到分布式能源的某些缺点所累。在本文中将通过实验去评估文中建立的日前光伏预测模型的效果，并利用本文建立的能量管理方案去评估家庭微电网系统的经济效益。