随着传统化石能源的开采殆尽,充分开发利用再生能源成为解决现阶段能源短缺问题的关键。分布式电源技术通过集成多种传统能源以及可再生能源,使之可以消纳包括风能、太阳能等在内的清洁能源。在分布式电源技术的基础上,微电网高效地整合了多种分布式电源,从而使传统能源和各种可再生能源的利用率得到了进一步提高。然而,微电网中可再生能源发电以及负荷的随机性,给微电网的能量优化管理带来了很大困难。为此,本文首先根据可再生能源发电和负荷的动态特性,通过精确预测方法对其功率进行提前预测。然后建立微电网能量管理多目标优化数学模型,并根据可再生能源和负荷预测值解决经济调度问题,使微电网的运行兼具高效性和环保性。一方面,针对可再生能源发电和负荷的不确定性问题,本文提出了一种基于数据挖掘和变分模态分解的可再生能源与负荷精确预测方法。首先,根据历史数据和天气数据,选取风电、光伏和负荷的不同聚类特征,并使用K均值聚类算法对其进行数据挖掘,选取出与预测日相关的数据作为训练样本;其次,采用变分模态分解算法将提取到的信号分解为多个子信号,降低原始信号的非平稳性,进一步提高预测精度;最后,使用自适应差分进化极限学习机预测方法分别对各子信号进行预测,并重构各预测结果得到最终的可再生能源和负荷的功率预测值。另一方面,基于并网模式运行下的微电网,本文以经济效益和环境效益作为目标函数构建微电网能量管理的数学模型。目标函数中具体包括可调度分布式电源燃料成本、储能成本以及与大电网交换电能所增加或者减少的成本。另外,传统能量管理系统在计算储能成本时,没有考虑储能荷电状态是随着微电网的运行而不断发生变化的。为此,本文提出了一种储能荷电状态估算方法,给出当前以及未来一段时间储能荷电状态值。最后,根据风电、光伏、负荷以及储能荷电状态的预测值,使用带精英策略的非支配排序遗传算法(NSGA-II)对微电网进行能量优化管理,并仿真验证。