随着能源与环境问题的日趋严峻以及新能源发电占比的提高,微电网的发展与应用愈发重要。由于可再生能源发电,如光伏发电的出力有随机性和间歇性,加之负荷需求的不断变化,必须有一定容量储能的接入,才能较好地维持微电网的功率平衡,而且可以大大改善光伏发电的“弃光”的问题,将多余的发电储存起来,在可再生能源出力不足的时候再投入使用,维持电网功率平衡。但是由于储能电池的造价昂贵,而且使用寿命相对短暂,无法大规模的投入使用,这不符合经济性原则,所以蓄电池储能的容量一般是固定的,不会太大。因此本文通过对负荷的合理调度,增加光伏发电一次利用率,进而减少储能系统的使用,可以降低系统的整体成本,达到经济效益最大化。具体的工作如下:(1)分析光伏发电出力的影响因素,给出BP神经网络算法的原理和结构,以及算法流程,基于BP神经网络算法研究建立光伏发电的预测模型,对光伏发电的出力进行有效预测。(2)提出一种微电网优化调度策略。首先,研究通过调度可调负荷,使负荷曲线去拟合光伏发电曲线,目的是尽可能的利用光伏发电,减少蓄电池的使用,并建立优化模型,在此基础上,通过柴油机和蓄电池进行辅助调节功率波动,并建立柴油机和蓄电池的成本优化模型,对系统成本进行优化。(3)研究基于粒子群优化算法对系统模型进行优化,结合具体的案例,验证提出的调度策略的有效性以及蓄电池储能的必要性。本文通过MATLAB仿真分析实现了对微电网负荷调度策略研究的验证。通过仿真与结果分析验证了提出的调度策略的有效性与配备蓄电池的必要性。