近年来,随着全球对能源资源以及环境保护的关注越来越多,实现可持续社会发展是许多国家发展中面临的重大挑战。尤其是对于我国,由煤炭发电、重工业、机动车导致了严重的雾霾天气,恶劣的生活环境对人们的生活健康造成威胁,易引发呼吸系统疾病、心脏病、癌症和先天缺陷。电力工业是二氧化硫、氮氧化物、颗粒粉尘污染的主要排放源之一,其中,火电厂排放的二氧化硫和氮氧化物占全国排放总量的40%。面临经济快速发展、资源紧缺、环境约束等多重压力,以火电为主导的传统电力工业迫切需要进行技术升级、管理优化。具有灵活、清洁、安全、经济、友好等优点的智能电网的兴起带来了电力系统发展的新时代。尽管智能电网的发展解决了现在的问题,但也带来了新的运行管理和优化问题。与传统电力系统相比,新能源的开发利用是智能电网发电侧的一项重要转变。然而风能和太阳能为主的新能源发电主要依赖于气象变化,具有间歇性和随机性,分布式发电和大规模集中并网给智能电网的安全可靠运行带来了极大的挑战。因此,提高新能源功率预测效果有助于减少智能电网能量管理中的不确定因素,是合理安排电力调度计划中极为重要的一项任务。除新能源发电带来的不确定因素外,随着电力市场的需求多样化以及自由化推进,智能电网的能量管理和扩容优化决策面临了更多的不确定因素,如用户需求的动态变化、能源市场的价格波动、未来政策的不确定等。围绕含新能源发电的智能电网能量管理问题,本文的主要研究内容包括：(1)对短期新能源发电功率进行预测方法研究。针对风电功率,提出了基于经验模式分解以及回声状态网络的混合预测模型,利用经验模式分解对原始风电序列进行分解,对不同的子序列构建不同结构的回声状态网络模型并分别预测,最后通过等权重加权得到最终预测结果；针对光伏发电功率,基于知识挖掘思路,根据影响光伏输出功率的主要因素建立知识库,利用改进的自适应神经网络模型对历史数据进行分类,将预测日所属类别的样本训练神经网络,此外,为防止神经网络训练过拟合问题,利用贝叶斯理论对神经网络权值进一步调整。新能源预测效果得以改进。(2)对含冷热电联产的居民区域分布式能源发电进行能量管理及定容优化研究。考虑居民能量需求、市场价格、技术等不确定因素,以系统成本最小化为目标,在满足资源、技术、环境等约束条件下,寻求含分布式发电的居民区域智能电网各类分布式发电机组的最佳容量以及运行安排。将区间两阶段优化模型与鲁棒性优化理论结合,提高模型解的鲁棒性,降低系统运行风险。(3)含新能源发电的并网式区域智能电网进行能量管理进行优化研究。除需求变动、能源价格、市场水平、政府监管等不确定因素外,考虑新能源输出功率预测误差给机组运行计划带来的风险,提出基于模糊机会约束的区间两阶段随机模型,以模糊机会约束衡量新能源实际出力不足风险,分析不同置信度和减排约束下的能量管理策略。(4)进行含新能源发电的区域智能电网的扩容优化风险规避研究,从长远角度实现能量管理优化。由于电力系统建设具有投资金额大,不可逆性,需要慎重考虑区域智能电网的规划方案。本文通过不确定优化模型加强区域智能电网规划的风险规避,分别建立基于CVaR和下方风险的区间两阶段随机优化模型,反映决策者的风险偏好,帮助决策者在不同市场情景、需求水平、环境约束下进行发电机组扩容计划、发电计划、碳捕集装置投资、CO2排放权交易安排进行决策。本文所研究的新能源功率预测模型以及不确定条件下的智能电网能量管理和优化模型,为在复杂环境下电力系统管理者提供有效的决策参考,对提高智能电网管理的经济性,保障电力系统运行可靠稳定性,以及实现电力行业可持续发展均具有重要意义。