随着化石能源的枯竭和全球变暖等环境问题日益严峻,开发利用风能、太阳能等可再生能源对于改变我国能源结构、保障能源安全、提高能源效率具有重要的意义。微电网将风能和光伏等分布式发电(Distributed Generation,DG)、储能和负载整合成一个整体。伴随着电动汽车(Electric Vehicle,EV)使用越来越普及,衍生出了电动汽车电池换电站(Battery Swapping Station,BSS)。微电网中越来越多的BSS投入运行使用,以满足EV快速充换电需求。含有分布式电源的微电网运行时,由于DG出力随机性和不确定性带来很多问题和限制以及电池换电站的加入,使得微电网的运行情况变得更加复杂和不可预测。如何协调优化BSS与含DG的微电网之间的协调运行,以提高微电网对DG的利用率,实现BSS和含DG的微电网这两个独立主体互利共赢的局面,达到减少环境污染的目的,具有重要的现实意义和工程价值。本文主要包括两个方面的内容:对可再生能源出力及电力负荷预测的研究和含DG的微电网与BSS协调优化数学模型的构建及其求解方法的研究。针对可再生能源出力及电力负荷的预测,根据风、光发电以及电力负荷特性,由于风、光出力和电力负荷具有高度非线性、时变性、不确定性,采用了NARX神经网络对其进行预测。本文提出了一种基于改进的和声搜索(Harmony Search,HS)算法优化NARX神经网络的预测方法,改进传统NARX神经网络容易陷入局部最优的不足,利用改进的HS算法对NARX神经网络的权值和阈值进行寻优,加快了NARX神经网络收敛速度、避免了早熟收敛问题,提高了预测的精确度,提高了微电网中可再生能源的利用率,减少了微电网的运行成本。针对BSS与含DG的微电网协调运行优化,从三个方面进行研究:(1)提出一种含DG的微电网与BSS协调运行的双层优化模型,该模型考虑了与BSS集成的微电网拓扑结构,构建了含DG的微电网经济调度的交流最优潮流优化(AC Optimal Power Flow,AC-OPF)模型和BSS经济调度的混合整数线性规划(Mixed Integer Linear Programming,MILP)模型。(2)这两个模型如果直接积分将产生一个计算时间长且复杂的混合整数非线性问题。因此,提出Peer-to-Peer(P2P)和Leader-Follower(LF)两种方法:对于P2P方法,微电网和BSS的内部参数都是保密的,只需要在两个实体之间交换单个影子价格和电力交易请求。该方法适用于微电网与BSS作为两个独立运行商进行合作运行。对于LF方法,微电网实体拥有对BSS内部数据的访问权,而BSS实体对能源管理能做出独立的决策。该方法适用于微电网与BSS不是独立的运营商,微电网可以访问BSS内部所有数据。这两种方法可以适应多种场景实现协调优化BSS和微电网的运行。(3)进一步改进了P2P和LF方法,对于P2P方法,在迭代过程中只交换有限个信息。对于LF方法,采用改进的嵌套列-约束生成算法(Column-and-Con-straint Generation,C&CG)方法求解双层优化问题,将原问题分解为一个主问题和一个子问题进行迭代求解。最后,通过IEEE 33总线系统进行算例分析,数值研究表明基于改进的HS算法优化NARX神经网络的预测方法可以更准确、更快速的预测风、光出力,提高了可再生能源的利用率,减少了含DG的微电网的运行成本。并通过集成BSS的IEEE 33总线系统进行了算例分析,验证了P2P和LF两种方法的有效性,通过与直接求解方法的比较,验证了所提出的方法在降低总运营成本方面的优势并采用有限的迭代次数和计算时间证明了两种方法的快速收敛性。