近年来,微电网技术得到迅速发展,对微电网相关技术的研究已成为智能电网技术研究的热点。微电网建设已经成为智能电网建设的主要内容之一,也成为解决大型集中电网其他问题(如建设周期长、运行成本高、维护难度大、难以适应越来越高的安全、可靠性及多样化的供电需求等)的有效途径和重要辅助手段。微电网已经成为利用就地资源解决偏远农村、海岛供电的有效组网方式。合理的进行微电源输出功率预测和微电网优化对于微电网系统的安全、稳定、经济运行具有重要的理论和现实意义。本文对风电功率预测和微电网的优化问题进行了系统深入的研究,针对不同的原始风电功率序列和历史数据情况,提出了两种风电功率预测方法,针对微电网中微电源的特点,构建了两种微电网有功功率输出优化模型。主要的研究工作和取得的研究成果如下：1.针对原始风电功率时间序列为混沌时间序列、历史风电功率数据较多时的情况,提出了一种改进BP神经网络风电功率预测方法。该方法首先应用混沌相空间重构技术对风电输出功率进行相空间重构,将一维变换为多维,通过计算其最大李雅普诺夫指数,判断其混沌与否,进而得到最佳嵌入维数和最佳延迟时间,再根据最佳嵌入维数和最佳延迟时间构造三层反向传播神经网络；然后采用遗传算法对反向传播神经网络的权值和阈值进行优化；最后将经过这样处理后的反向传播神经网络用于风电场输出功率的预测并计算预测结果的相应性能指标。所得结果验证了该方法的有效性。2.针对原始风电功率时间序列满足经验模态分解的条件、历史风电功率数据较少的情况,提出了一种组合预测风电功率的方法。在该方法中,首先对原始风电功率进行预处理,即采用经验模态分解技术将风电输出功率进行分解,得到一系列本征特征模函数.然后根据不同的本征特征模函数的特点,应用小波神经网络和交叉验证参数优化后的支持向量机模型对其进行回归预测；最后将所有子序列的预测结果相叠加作为最终总的预测结果。通过预测结果性能指标的计算对比,表明了该方法的正确性。当两种方法均能应用的条件下,该方法预测结果更加接近真实值。3.针对微电网中可再生能源为确定的情况,考虑整个微电网系统以最优方式(安全、稳定、环保和经济)输出时的成本最小为目标,建立了包含约束条件的微电网功率输出多目标优化模型,提出了一种基于拥挤距离的非支配近邻免疫约束多目标优化算法,基于这种算法对相应的模型进行求解和优化。对模型的求解过程为：首先将模型中的约束条件转化成一个目标函数,使模型的目标函数在原来的基础上增加一个；然后在随机产生的个体中,选择少数相对孤立的非支配个体作为活性抗体,根据活性抗体的拥挤程度进行相应的克隆‘重组等免疫操作,从而加强当前Pareto前端中较稀疏区域的搜索。应用所提出的多目标优化算法对微电网出力在孤岛和接入公用电网两种模式下进行优化。4.为了更好的考虑微电网的随机性,建立了基于概率的微电网优化模型,即包含概率形式的以微电网可控机组发电成本最小为目标的优化模型。在模型中,目标函数表达式和旋转备用的约束条件均考虑了不同置信水平,通过不同的置信水平来体现系统的随机性。对于建立的模型,采用蒙特卡洛随机模拟和粒子群优化算法进行了优化。该模型求得的是在置信水平不低于某一给定数值时的可控机组实际发电成本的上限值,其结果更加接近微电网的实际输出。5.为了考虑未来一段时间内微电网机组以最优输出方式运行时系统的发电量、生产成本以及可靠性指标,文中对微电网进行了随机生产模拟。将微电网系统中的光伏出力分成白天和晚上两个时段,并将其作为负值负荷；风电出力转化成多状态机组出力模型,应用等效电量法和半不变量法对周期为1年(8760h),半年(4368h)和1个月30天(720h)进行了随机生产模拟分析。