随着现代电力系统的发展,微电网系统的研究也成为近年来人们关注的热点,作为智能电网发展的基础,微电网为解决能源危机和环境恶化这两大问题提供了有效的途径。微电网经济性优化调度作为微电网系统的核心技术之一,具有重要的工程实际价值和理论研究意义。本文以微电网经济性能量优化调度为研究方向,提出了反向混沌人工搜索群算法,将其应用于考虑经济收益和环境成本的优化运行数学模型。人工搜索群算法是受人类士兵通过信息交流完成目标搜索行为及过程启发而设计的一种仿生智能算法。本文对人工搜索群算法各类参数进行了详细的仿真实验,深入了解调节参数对于算法性能的影响。针对基本人工搜索群算法中固定参数可能导致算法过早陷入局部最优解的缺陷,提出了反向混沌人工搜索群算法。反向机器学习在最近的智能算法领域应用广泛且对算法性能提升效果显著。同时该算法引入了混沌理论和自适应策略。反向机器学习机制和混沌初始化增大了算法的种群多样性和增强种群的勘探能力。采用自适应策略能够在算法收敛后期提高优势种群的开发能力。为了检验提出算法的性能,本文采用CEC13标准方程,在不同维数的情况下将仿真计算结果与其他改进人工搜索群算法进行比较。标准测试函数的仿真实验结果表明,所提出算法能有效的避免局部收敛。将反向混沌人工搜索群算法与常用若干智能优化算法相比较,新算法在迭代初期收敛到最优解,尤其是在处理高维问题时,算法的收敛速度和收敛精度较其他若干优化算法有显著提高。本文建立以微网系统运行成本最低为目标函数的数学模型,并根据实际情况设置相关约束条件。在微网系统中考虑负荷缺电率与能源浪费率两个安全指标,将其作为约束纳入模型。将反向混沌人工搜索群算法用于微电网经济性优化模型的求解,以某地区的微网系统作为算例。求出系统中风光柴储各时段的实际出力、部分运行成本和运行总成本,最后求出该地区年度总运行成本。并将优化结果与其他智能算法的仿真结果进行对比分析,在微电网的优化过程中,反向人工搜索群算法能够较为准确的执行能量调度策略,实现微网系统发电、运行总成本最低的目标,验证了反向混沌人工搜索群算法在微电网能量优化调度领域应用的有效性和可行性。