为了在多微网交易中充分发挥分散调度的优势、保护各子微网的隐私,以及进行高效快速的计算,文中提出了一种并网型多微网系统多时间尺度交易机制和基于深度学习的交易策略优化算法.首先,建立了多微网内部交易价格模型,该模型可根据多微网内部供需形势的变化,动态调整内部交易价格,使多微网内部交易相对于微网直接与配电网交易更具经济性,从而激励各子微网参与内部交易.其次,建立了“报量不报价”的日前、日内交易机制.在日前交易中通过交易电量和内部交易价格的迭代,形成日前交易计划和交易价格,并进行日前电力交易出清;在日内交易中,各子微网仅申报一次不平衡功率的购售电需求,申报结束后直接出清.此外,基于多微网系统与配电网之间日前预期和实际交互功率的偏差,提出了联络线功率偏差的补偿方案,以降低多微网系统功率波动对配电网运行的影响.然后,基于生成的日内交易样本数据,引入深度神经网络算法训练学习各子微网的交易策略,以便子微网在日内交易阶段快速、准确地得到自身最优的购售电计划.最后,通过算例验证了所提出模型和算法的有效性.