随着传统化石能源的紧缺与环境污染的加剧,清洁可再生能源技术势必成为实现人与自然和谐发展的关键手段。光伏、风电作为装机容量最大的新能源,其输出功率受环境因素影响较大,呈现出强不确定性的特征,给用户电能质量和微电网系统的可靠运行带来了巨大挑战;同时,需求侧的不确定性导致的供需不平衡也给调度方案的制定带来了困难。未来智能电力市场环境中,可再生能源、负荷侧资源以及储能等供需需求将互相调节,紧密联合,统一发展。本文的研究内容如下:首先,针对光伏电站发电功率的不确定性问题,基于正交分解理论,对影响光伏发电功率的主成分进行分析,选取降序排列且累计方差贡献率达85%的变量作为PSO-PCA-RBF神经网络模型的输入数据,提高了模型的训练速度。同时选用全局搜索能力较强的PSO算法对RBF神经网络权重、阈值进行寻优。通过提高光伏发电功率的预测精度从而降低新能源发电功率的不确定性。同时,越来越多的电动汽车参与电力调度给原始系统峰谷差率带来了不利的影响,通过研究电动汽车的行驶、充放电特性,进一步掌握电动汽车的需求规律。考虑到电动汽车既可作为系统需求的备用电源,又可利用电池的充电需求消纳光伏,基于蒙特卡洛模拟法对系统负荷进行模拟,从而引导电动汽车合理的充、放电。仿真对比可知,考虑分时电价下电动汽车的充放电需求比无序状态更符合系统的稳定性与经济性。最后,在此基础上,为了提高新能源的消纳、减少火电机组的启停成本,利用价格型需求响应策略引导系统中的可调负荷,在调度周期的高峰时削减需求,低谷时扩大需求,以此降低系统的峰谷差。并以微电网运营效益最高为目标,以微电源出力、可调负荷成本等为约束,建立价格型需求响应的风-光-火-储联合优化调度模型,利用可调负荷的灵活性优化能源出力,实现微电网系统的经济优化调度。同时,为确保粒子群算法样本种群的丰富度,基于改进PSO-ACM算法,对种群收敛度进行检查。最后,MATLAB仿真结果表明,该策略有效改善了电力系统优化调度的难度,在降低负荷峰谷差的同时提高了经济性。