开发利用清洁可再生能源有利于环境保护,也是解决日益严峻的能源问题的必由之路。作为主电网的有益补充,包含风、光等多种可再生能源电源的微电网系统既能实现可再生清洁能源的充分利用,又能解决偏远地区的供电问题,提升电力系统的供电稳定性,应用前景广阔。论文以含风、光、柴、储四种分布式电源的独立微电网为例,对微电网的电源优化配置与经济调度问题进行了深入研究。考虑独立微电网系统的经济性、可靠性和环保性,建立了独立微电网多目标优化模型;分析了常用的两种微电网能量管理策略(静态管理策略和动态管理策略),针对它们存在的不足,提出了动态管理修正策略,分别采用动态管理策略与动态管理修正策略,将两种策略下的电源优化配置结果进行了对比分析。验证了动态管理修正策略在经济性与可靠性方面的优越性。针对基于改进型非支配排序遗传算法(NSGA2)的离散域优化问题,提出了一种混合离散化方法,并采用NSGA2算法对“风光柴储”和“风光柴”两种电源组合类型下的电源优化配置问题进行了求解,结果表明在独立微电网中配置一定容量的储能系统可以提高微电网系统的经济性和可靠性。分析了常用的风电功率预测方法,提出了采用基于混合递阶差分进化算法优化的RBF神经网络(HHDE-RBF)进行风电功率预测,设计了基于HHDE-RBF神经网络的风电功率预测流程,并通过风电功率预测实例,将HHDE-RBF神经网络与现有的基于竞争对手惩罚学习算法优化的RBF神经网络进行了对比分析,结果表明HHDE-RBF神经网络在风电功率预测精度与稳定性方面都优于后者。采用形状灵活、形式简单的分段指数分布模型对风电功率预测误差进行修正,设计了基于分段指数分布的风电预测误差修正流程,并将误差修正前后的风电功率预测值与实际值进行了对比,验证了基于分段指数分布的误差修正的有效性;分别以误差修正前后的风电功率数据作为输入,对独立微电网经济调度进行了仿真分析,结果表明预测误差修正可以减小风能随机性对独立微电网系统稳定造成的不良影响,提高系统运行的经济性与可靠性。