为应对能源危机和环境污染加重等问题,全球开始大力推广微电网以实现清洁能源的高效灵活应用。通过对相邻区域内各微网互联构成的多微网系统实施优化调度,可有效分配电能,增加新能源的消纳比重,显著提高系统运行的稳定性和经济性。多微网系统的优化调度问题是典型的复杂多目标非线性问题,优化调度策略的形成需要依靠准确的数据预测、合理的数学描述以及对算法应用场景的设计。为此,本文用深度学习算法更新了数据预测方法,在单微网系统优化调度中计及网损的影响,并以此为基础,最终提出了多微网系统优化调度策略。首先利用深度学习技术实现对微网新能源出力和负荷的相关数据预测。在分析深度学习原理的基础上,构建长短序列网络的预测模型以实现光照强度、风速和负荷的短期预测与超短期预测。通过对电源端和负荷端的预测结果分析,有效证明了该网络不仅泛化能力强且预测较为准确,为多微网系统的优化调度奠定了基础。考虑到微网大多接入中低压配电系统,其线路上产生的损耗无法忽略不计,故研究了计及网损的单微网优化调度策略。鉴于微网源荷侧运行特性的不同,先对其进行数学建模。在此理论基础上,构建以最小化微网运行成本、污染物排放质量和网损的单微网优化调度数学模型,并利用改进的粒子群算法求解,其中网损的计算通过潮流迭代得出。算例的仿真结果验证了该模型的有效性,说明网损是影响微网运行经济性的因素之一。在单微网优化调度的研究基础上,提出了考虑微网间交互功率的多微网系统优化调度策略。该策略以“先清洁后经济”的原则,在保证系统内清洁能源就地消纳的基础上尽量降低系统运行成本。然后构建以最小化各个微网运行成本的多目标多约束调度模型,利用自适应网格的多目标粒子群优化算法求出Pareto最优解集,并以系统总运行成本最小为目标从解集中选择出最终调度结果。仿真结果表明所提的多微网系统优化调度策略可降低微网与电网交互次数、实现各微网间功率互补、提高运行的稳定性和清洁能源消纳率。