开发应用新能源和节能减排已成为世界关注的战略问题，而太阳能热发电就是一种是对传统火电进行升级改造的重要技术。发展太阳能热发电可以优化能源结构、节约煤炭资源，这对于保护环境具有十分重要的意义。　　本文将以太阳能热发电为核心系统、微型燃气轮机为辅助供电系统、太阳能储热和超级电容储能为能源存储系统的微电网作为研究对象。分别对太阳能热发电系统和微电网进行多目标优化分析;对太阳能热发电的集热方法和并网变流器的控制方法进行了研究。主要研究成果包括:　　(1)以线性菲涅尔太阳能热发电系统为研究对象，针对太阳能热发电平准化度电成本(Levelized Cost of Energy，LCOE)过高的问题，应用粒子群优化和精英遗传优化算法分析影响LCOE的主要因素。通过分析太阳能热发电系统的规模效应、贷款利率、储热介质及储热时长对LCOE的影响，建立LCOE优化模型;用粒子群优化和精英遗传优化算法对模型进行求解，得到能够体现四种主要因素和LCOE变化关系的数据。实验结果表明，这两种算法得到的结果类似，而且这四种因素都对太阳能热发电平准化度电成本有较大影响。　　(2)针对太阳能热发电系统发电效率低而建造成本高的问题，应用精英遗传算法(Non-dominated sorting Genetic Algorithm，NSGA-Ⅱ)和自适应网格粒子群多目标优化算法(Constrained Multi Objective Particle Swarm Optimization，CMOPSO)对带储热的太阳能热发电系统进行了多目标优化分析。在本研究中，以负荷缺电率为约束条件，建立了电站装机容量、LCOE及总投资三个优化目标模型。利用多目标优化分析，首先获得了当负荷缺电率小于0.1时的太阳能热发电系统的非劣优化方案集;然后还分析了当装机容量一定时，不同的储热时长、总投资和LCOE的非劣解集。仿真实验结果表明:两种优化算法的非劣解集收敛速度和分布性有一定的差异，但是最后的优化结果基本一致。　　(3)进行了以太阳能热发电为主的微电网弃热率分析，并建立了基于多目标优化分析的决策方法。以可靠性为约束条件，建立以弃热率、建造成本和运行成本为优化目标的多目标优化模型;运用CMOPSO和NSGA-Ⅱ研究当装机容量为10MW和50MW时系统的最优配比解集;利用获取的实际参数，分析研究微电网在并网运行时，各子系统在夏季和冬季不同的出力情况，研究结果表明这两种优化算法的都是合理和可行的。　　(4)针对太阳能热发电系统非线性和强时变性的问题，以提高集热系统的输出精度为控制目标，采集实际运行的热发电系统参数，应用终端受限模型预测控制算法和前馈模型预测控制算法进行控制研究。使用FCM聚类算法对实际采集的数据进行聚类，进而使用最小二乘法进行参数辨识，建立集热系统多模型;设计自适应多模型预测控制器，在线更新预测模型，选择最优预测模型不断更新控制律，通过反馈校正进行在线误差修订。最后，通过对兰州新区线性菲涅尔太阳能热发电示范项目的实例研究，验证了三种控制方法的有效性。　　(5)研究微电网中微型燃气轮机和超级电容并网控制问题。直流并网变流器的控制采用直接功率控制(Direct Power Control，DPC)、模型预测直接功率控制(ModelPredictive Direct Power Control，MPDPC)和两步模型预测直接功率控制(Two Step ModelPredictive Direct Power Control，TMPDPC)，并结合中点电位方法进行实验仿真分析。实验结果验证了本文提出的算法的有效性，表明了TMPDPC结合中点电位方法不仅解决了系统滞后问题，并且降低了总电流畸变率，解决了并网变流器中点电位不平衡问题。交流并网变流器的控制采用自适应多模型预测直接功率控制方法，包括DPC、MPDPC和自适应多模型预测直接功率控制。考虑到控制系统输出的滞后性，在多模型预测控制中加入了两步预测控制。经过实验对比分析，证明了本文提出的两种控制算法能够在提高系统的控制精度的同时，减小并网电流的总谐波畸变率(Total Harmonic Distortion，THD)。