新时期,我国积极推进能源结构朝向清洁、低碳方向转型调整,在电力工程项目开发建设中,光伏发电技术水平显著提升,在推动分布式发电发展方面发挥着至关重要的作用。在接入间歇性分布式发电设备时,采用微电网形式,可以有效的提高可再生能源的利用率,还能与大电网相互支撑合作,灵活供电。但是,在微网中存在很多的问题,如无法准确地预测发电设备的功率,同时在负荷预测中具有不确定问题,很难对微网能量流动过程进行有效控制,无法保证微网运行安全性、稳定性以及可靠性。基于此,本文选择光储氢微网系统作为研究对象,对光伏发电功率预测方式以及光储氢能量管理策略进行详细探究。首先在光伏功率预测分析方面,选用粒子群算法PSO（Particle Swarm Optimization）改进BP神经网络（Back Propagation）的PSO—BP模型。为了能够对气象因素与光伏发电功率之间的相关性进行分析,选择相关量,据此创建PSO—BP模型,再与BP模型进行对比分析,并选择多个天气算例进行验证。通过对组合模型进行优化调整,将PSO-BP模型与BP模型预测所得结果进行对比,其中,PSO-BP预测模型的平均绝对百分比误差MAPE（Mean absolute percentage error）和均方根误差RMSE（Root mean square error）均比较小,通过开展10次预测,对所得结果的平均误差进行分析,MAPE以及RMSE分别减小17.57%、1.30%,因此,PSO-BP预测模型所得结果精度高,能够显著提升网络收敛速度。其次创建光储氢微网能量管理模型,采用光伏发电设备、蓄电池、燃料电池、电解槽、储氢罐模型,对蓄电池与燃料电池、燃料电池及储氢设备进行研究,最终使得系统最优化。然后对智能算法原理进行分析,对粒子群算法进行调整,将对比所得结果进行分析,发现在对算法进行改进后,寻优速度显著提升。另外,对光伏发电、蓄电池、燃料电池、电解槽与储氢罐等分布式单元工作特性和工作运行下的约束条件进行详细阐述。最后基于日前—日内为主的多时间尺度制定能量管理策略,同时制定日前—日内两极优化调整计划方案。在日前调度管理中,采用峰—平—谷分时电价的蓄电池、燃料电池得充放电规则,使蓄电池与燃料电池在[0,1]范围内高效合理的运行,通过依据这一规则,有利于降低微网运行成本,同时还可保证蓄电池以及燃料电池充放电次数的合理性,延长蓄电池与燃料电池的寿命。日内则利用MPC滚动优化的方式,对日前优化进行调整,避免在系统实际运行和调度计划之间产生较大偏差,进而产生不必要的损失。除此以外,通过实际的算例来验证策略的准确性与经济性。