随着可再生能源渗透率的不断提高,电能替代产业的迅速发展,以及各种需求响应策略的应用,导致系统负荷的波动性和随机性问题更为突出,加大了微电网短期负荷预测的难度。由于受风速、光照等自然环境因素影响,可再生能源出力的稳定性较差,使得传统的能量管理策略难以满足微电网安全可靠经济运行的要求。通过深入地研究电力负荷变化的规律,挖掘各种影响因素与系统负荷之间的相关性,有针对性地建立数学预测模型,是有效提高短期负荷预测精度的重要步骤。结合某微电网的实测电力数据,本文首先对微电网的负荷特性进行定性分析,然后采用灰色关联度理论对各种影响因素进行定量分析,提取影响电力负荷变化的主要影响因素。针对微电网短期负荷预测问题,本文提出了基于信息交互的负荷预测方法,其包括:(1)初步预测模型,首先利用减聚类优化K-means学习算法求解初始网络参数,然后采用量子粒子群(QPSO)优化算法搜索具有最优适应度的网络参数,最后利用优化后的径向基函数(RBF)神经网络模型对负荷进行初步预测;(2)信息交互模型,通过建立电能用户与微电网之间的交互机制获取用户的未来用电信息,并利用建立的电量订单评价函数调整和规范用电行为;(3)协调预测模型,采用基于时变权的优选组合方法自适应地调整权系数,对具有较小误差的模型输出值赋予较大的权重,进而达到提高微电网短期负荷预测精度的目的。针对微电网能量优化管理问题,本文提出了基于日前优化和实时调度的双层能量管理策略。在日前优化阶段,首先利用开关优化规则确定各时段内可控型分布式电源的启停状态,然后根据基于负荷控制的优化模型协调控制可平移负荷的工作时段,促进系统负荷与分布式电源之间的能量优化配置;最后根据基于储能控制的优化模型求解储能装置(ESS)的充放电功率和荷电状态,并更新可平移负荷的开关状态。在实时调度阶段,结合日前优化结果与实时监测的运行数据,根据基于储能优化的调度模型调整当前时段内ESS的充放电功率,一方面是为了保证系统的实际运行状态尽可能地与日前优化结果相一致,另一方面是为了平抑非计划瞬时波动功率。另外,利用负荷优化分配模型的求解结果分配各可控型分布式电源之间的有功出力,从而保证独立运行模式下的微电网安全可靠经济的运行。