随着化石能源短缺对资源环境压力不断增大,电力市场化改革不断深入,以及用户对电能质量要求的不断提高,电力行业正面临着前所未有的机遇和挑战。建设安全、经济、环保和绿色的微网已日益成为全球电力行业的共同目标。微网的经济运行研究是微网的关键问题之一,优化微网内各发电单元出力、储能单元出力及与主网之间的能量交换,可以有效提高系统运行的稳定性和经济性,具有重要的理论价值和工程价值。首先,论文对微网做了简要介绍,并且对微网的结构特点以及微网的经济运行理论进行了分析,通过描述微网的相关知识,建立了以风力发电、光伏发电、柴油发电机、蓄电池和电力负荷为组成单元的微网结构。其次,针对微网中电力负荷的特点,采用SOA(Seeker Optimization Algorithm,人群搜索算法)和SVM(Support Vector Machines,支持向量机)结合的预测模型对某地区电力负荷进行了24小时的短期预测,并且与其它预测模型的预测结果进行了对比分析。通过选择风力发电作为微网中的微源,并结合风电输出功率的基本特点,采用EEMD(Ensemble Empirical Mode Decomposition,集合模态经验分解)对风电输出功率序列进行了分解,然后对分解序列同样采用SOA和SVM结合的预测模型进行预测,最后对各个序列的预测结果进行一定处理,得到了风电输出功率的24小时短期预测结果,并与其它预测模型的预测结果进行了对比分析,验证了该组合型预测方法的有效性和准确性。最后,在考虑不同时段电价差异的情况下,建立了并网运行状态下的微网经济运行模型,并且采用SA(Simulated Annealing,模拟退火算法)和PSO(Particle Swarm Optimization,粒子群算法)相结合的优化算法对该模型进行了优化,优化后可得不同时刻不同微源的出力情况以及最小化的日发电成本,并且与其他算法优化的结果进行了对比分析,进一步验证了该组合型优化算法的优良特性。通过对微网中电力负荷和风力发电输出功率的预测结果及微网经济运行优化结果进行分析可知,在电力负荷和风力发电预测模型中应用SOA和SVM组合方法,在风电功率分解中应用EEMD方法以及在微网经济运行模型的求解中应用SA和PSO的融合方法,可以极大地丰富数据预测和优化算法的内容,并且可为微网的深入研究奠定良好的理论及应用基础。