随着社会经济的不断发展，电力需求呈现快速增长的态势，现有的电力系统网络面临巨大的挑战。从能源和社会的角度来看，节能减排、绿色高效以及可持续发展已成为电力系统的主要设计原则。智能电网是一种分布式、使用可再生能源、通过实时的双向电力流和信息流相互作用实现的新型电力供需网络。其特点是使用先进的监测技术、通信技术和控制技术，对发电、传输、配送、管理等环节进行优化，以提高电网的高效性、可靠性和安全性。智能电网的提出缓解了环境污染压力、促进了绿色低碳经济，是电网发展的大势所趋，必将全面取代传统电网。
　　面对全球变暖，环境恶化等困境，各国都推出了一系列政策限制传统汽车的出行，以降低石油带来的碳排放污染，其中最有力的措施是大力推行电动汽车。电动汽车使用电能作为驱动，避免了汽车尾气带来的二氧化碳、二氧化硫等有害气体，具有良好的环保特性。然而，电动汽车作为分布式的小型电源，其充放电的不确定性会给电网带来很大压力，甚至造成频率波动，引发更大的危害。因此，如何将电动汽车的充放电问题纳入到电力调度中，在保证电网平稳运行的前提下合理进行电力调度，最小化电网运行成本、减少电能浪费成为了学术界的一个热门研究方向。
　　本文建立了一个与主电网相连，包含可再生能源发电装置、储能装置和控制中心的微电网-电动汽车系统模型，系统的主要目的是在保证供需平衡的基础上，利用储能设备的充放电特性，合理安排可再生能源发电和主电网供电，通过电能调度对系统模型进行优化，最小化操作成本并最大化系统收益。
　　首先使用强化学习算法对目标函数进行求解，设置合理的状态空间、动作空间和奖励函数，利用Q值更新公式不断更新Q表，Q表收敛后可得到充放电策略。接下来考虑到传统Q学习在未来时刻状态查找方面的不足，引入了一种考虑历史数据和影响因素的神经网络预测方法，选取实际数据作为训练样本，通过环境状态等因素构建合适的网络结构。这种基于特定场景的预测方法具有较高的准确度，可以实现对未来信息状态的短期预测，得到基于时间分布的预测曲线。将微电网模型与预测模型结合起来，填补未来时刻电力价格、电动汽车需求量和可再生能源发电量的缺失，改善算法的不足，提高算法的性能。最后考虑加入动态电力价格机制，通过强化算法学习出最佳的卖电价格（微电网向电动汽车），改善原有的固定预设价格机制，提高了微电网的适用性和灵活性，并进一步降低了成本。
　　通过仿真测试表明，本文提出的强化学习算法在降低操作成本、提高收益方面比传统优化方法有了很大提升；加入预测算法的改进型强化学习算法与传统强化学习算法相比，总收益提高了3.6%；引入动态价格机制后，算法性能也有了一定提升。因此，本文提出的微电网-电动汽车电力调度优化方法与传统方法相比稳定性高、适用性广、收敛速度快并且优化效果良好，具有一定的实际应用价值。