微电网能源供需系统往往具有间歇性和波动性,不同储能技术之间的形态也存在巨大差异,这些特性的存在导致微电网系统精细化控制的困难,也为微电网能量管理与调度的整体优化带来了一系列挑战。同时,由于微电网的低压特性,其传输线路线损显著,但在现有研究中又往往被忽视。为此,本文结合微电网实际运行特点,以经济运行和高效调度为目标,开展微电网能量管理与调度方法研究。鉴于强化学习在复杂、动态、不确定性环境下优化与决策的优势,本文基于强化学习对微电网能量管理与调度方法进行深入研究,具体内容包括强化学习算法改进、储能电池充放电策略优化、综合能源储能配置、能量需求响应调度等多个方面。论文的主要工作包括:（1）提出了微电网储能电池充放电优化模型及其强化学习优化方法。面向储能电池充放电精益化管理的需求,构建了微电网储能电池的充放电优化模型,针对该模型提出了一种具有序列样本优先级自适应调整策略的改进深度Q网络算法,基于电池状态、充放电动作、电价等因素,实现了电池储能效益的优化。实验结果表明,所提出算法有效提升了微电网储能的运行效率。（2）提出了基于电池寿命损耗的微电网综合能源配置优化模型。针对电池寿命损失问题,建立了一种改进的轻量级神经网络定量评估模型。进一步地,结合综合能源供给需求,针对容量配置和调度运行构建了内外双层优化模型,基于改进的深度Q网络对外层模型进行远期储能配置优化,并基于混合整数线性规划对内层模型进行日内调度优化。实验结果表明,提出的模型可以有效提高微电网运行调度的性能。（3）提出了基于分层深度Q网络的微电网能量管理与调度方法。根据负荷对电能的需求及线路损耗,将输电线路的传输功率与电池充放电行为作为决策变量,构建了包含离散变量与连续变量的混合优化模型。针对该模型提出了分层深度Q网络,融合上层网络电池充放电决策及下层网络传输线路功率决策实现了微电网能量协同优化调度。实验结果表明,所提出的方法具有更好的经济性。