微网广泛利用光伏逆变器、风力发电机和生物能发电机等作为其内部的微型电源,然而受地理条件、天气情况和外部环境等因素的影响,这些可再生电源的能量输出具有间歇性和随机性,导致微网内部电源与负荷间以及微网与大电网间的功率交换过程复杂,若微网对这些电源不加以协调控制,而大规模接入电网,将不利于地区电网的稳定性。此外,微网的接入也对电力市场产生深远的影响,将改变传统电力市场的交易模式：微网用户可以从电力公司购电,也可以将其分布式电源的剩余电能售给电力公司或有偿地为电力公司提供削峰、紧急功率支持等服务。本文以光伏微网为对象,对其能量管理的基本分析理论和设计方法进行了深入研究,包括光伏微网的控制结构、发电预测、储能配置和能量优化管理。准确预知光伏微源在未来特定时段内的发电功率,对分布式电源最优组合、经济调度、最优潮流、电力交易等都有着重要意义。为此,本文基于神经网络理论研究了的光伏发电预测模型及其设计方法,首先分析了气象因素与光伏发电功率相关性,给出了光伏发电预测中气象因素的处理策略；随后,建立了基于BP神经网络的光伏发电离线预测模型,给出了BP神经网络输入层、隐含层和输出层的设计方法,并定量评估了离线预测模型的预测精度；此外,为适应天气的急剧变化,提出采用RBF神经网络对数值天气预测信息进行模糊识别,继而建立了基于模糊识别的光伏发电在线预测模型,分析了RBF神经网络的结构和扩展速度对预测结果的影响。可再生微源的出力随外部条件变化随时波动,故不宜独立向负荷供电,需同其他电源或储能装置配合以提供支持和备用。此外,可再生微源电源的并网运行改变了系统中的潮流分布,需对发电单元、储能单元、电网和负荷之间的能量进行优化控制和管理,实现系统安全稳定和优质经济运行。针对分布式电源在并网运行中面临的能量优化问题,提出了一种基于模糊控制的分布式发电系统能量管理控制算法,根据发电单元的输出电能预测和储能单元的实时状态确定运行模式,采用模糊控制实时调控系统能量流动的方向和幅值,从而能实现系统运行成本最优化。微网技术能够实现分布式发电技术的灵活、高效应用,解决数量庞大、形式多样的分布式电源并网运行时的主要问题,同时由于它具备一定的能量管理功能,并尽可能维持功率的局部优化与平衡,可有效提高用电的可靠性和安全性。本文深入研究了微网能量管理的关键技术,分析了微网系统的三种能量变换结构,讨论了光伏微网系统能量管理的定义、目标和系统架构,分析了能量管理系统各个执行机构的功能,分析了光伏微网独立模式和并网模式的能量管理策略,研究了光伏微网发电单元和储能单元能量管理建模方法,建立了光伏微网能量管理模型,最后基于建立的光伏微网能量管理模型定量评估了光伏微网经济运行对用户和电力部门的经济效益。在微网能量管理系统中,储能装置的充放电管理需要综合考虑储能装置和充放电系统的匹配、最大和最小充放电能力、能量平衡约束、以及储能容量冗余等。为此,提出一种新型能量管理模型实现微网系统中储能单元的容量设计和经济分析,采用净现值评估储能单元的优化配置。通过遗传算法的优化计算过程,评估微网系统在不同储能配置下经济运行性能进而得出最优的储能容量配置方案和经济运行方案。以铅酸蓄电池和全钒液流电池为例,采用该模型定量评估了光伏微网系统与已有储能装置在不同天气类型和不同容量配置条件下的经济效益,分析了各种储能装置的综合性能。