随着能源消费的快速增长,导致传统能源日益枯竭。为了应对这一严峻问题,人类加快了对可再生能源的研究和开发。其中,太阳能因为其具有容易获取和绿色环保等优势,基于太阳能发电的光伏微电网逐渐成为人类对可再生能源研究和利用的发展方向。但是由于易受天气和外部环境等各种客观的不可控的因素的影响,光伏微电网中的发电及负荷会呈现出一定程度的不确定性,难以实现微电网的经济稳定运行。因此,获取精确的微电网发电和负荷预测数据,制定合理的微电网能量调度策略,具有重要意义。本文以光伏微电网为研究对象,对光伏发电及负荷预测方法进行了全面而细致的探讨,基于获取的预测数据,对光伏微电网的能量调度策略进行了深入研究。针对光伏发电及负荷预测中的实际应用问题,本文深入地研究了RBF神经网络和灰色算法的基本原理,分别探讨了这两种算法的建模方法。首先,引入神经网络预测理论,探讨了光伏发电和负荷预测模型的构建及其设计思想,详细的定性分析了气象条件与光伏发电及负荷预测之间存在的联系;探究了光伏发电及负荷预测中神经网络输入量的确定和选取方法、输入数据的预处理方法、网络结构以及网络输出的确定方法,构建了基于RBF神经网络的光伏发电及负荷预测模型。其次,探讨了GM(1,1)的建模思想,研究了灰色算法对输入数据的预处理方法,详细分析了模型关键参数的求解方法,针对模型参数求解过程中存在的缺陷,提出了改进方法,分析了原始模型和改进模型的预测性能,仿真结果表明,改进算法具有更优的预测结果。为了提炼出更精确的预测结果,本文提出了组合预测算法,研究了基于固定权值和变权值的两种组合预测算法。最后通过算例验证并分析了两种算法的预测效果,探讨了模型各自的优势和以及对应的适用场合。最后,本文深入分析了光伏微电网的结构、不同运行模式下的能量分配策略以及动态运行成本,建立了并网模式下微电网的能量调度模型,并提出了优化调度策略。通过算例仿真,对比分析了微电网在不同调度策略下所产生的运行成本,验证了优化调度策略的经济性。