作为分布式发电系统的新型组成形式，微网能够为用户带来更高的经济效益和提供更可靠的电能。然而，微网的这些潜在优势，必须依赖于对微网系统积极主动的能量控制和管理才能实现。在自学习算法基础上建立的多Agent微网能量管理方法具有更好的灵活性、开放性和自主性的特点，更适用于微网动态的网络环境。研究基于自学习算法的微网能量协调控制方法对于开发多Agent微网能量管理系统的研究具有十分重要的意义。　　本文的主要工作包括:　　1.提出了一种结合集中式和分布式能量管理系统各自优点的混合式微网能量管理方法(Hybrid EMS-MG, HEMS-MG)，通过整合不同控制层的相关信息并简化不同控制单元间的通讯过程，从而动态实现微网多目标和不同时间尺度上的控制目标。同时，通过合同网机制市场竞标方法，利用多代理(MAS)技术实现了微网内Agent协作的多因子评价决策机制，建立了微网能量协调控制的MAS模型，从而构建了基于微网本地层发电单元自主控制与中央层多单元间主动能量协调控制相结合的微网系统能量协调控制框架，以实现微网能量不同层次的协调控制方法;　　2.基于所提出的混合式多Agent微网能量管理系统模型和强化学习算法在线学习的特点，以合同网和多因子协调机制为基础，利用强化学习中的Q学习算法计算微网二次控制优化调度指令，提高了微网中央层Agent对于微网系统结构及其参数的动态变化的适应能力，增强了Agent的智能决策水平;　　3.针对微网二次优化调度指令的实时分配，本文同时考虑系统运行经济性及环保效益，并且在提供系统所需调度功率的同时保证微网内储能单元具有较多的可调度容量，从而实现系统的长期稳定、经济运行;最后，利用模糊方法和粒子群优化算法求解微网二次协调控制多目标模型;　　4.利用不同微电源的能量计算模型，在C++ Builder环境下搭建了包括不同微电源的本地层Agent和具有不同控制功能的中央层Agent的微网混合能量管理仿真平台;不同情形下的仿真结果证明了本文所提出的基于自学习的微网混合能量管理方法的有效性和可行性。