目前,社会飞速发展引发了能源危机和环境污染等问题,并且所需电量也在直线上升。利用清洁能源发电的微电网不仅可以缓解能源匮乏和环境污染压力,还能作为大电网的有效补充。但是微电网发电最大弊端在于随机性较强,难以稳定可靠供电,并网时调度困难,研究微电网短期负荷预测和优化调度技术具有重要理论价值和工程价值。以实际运行风光储电网为研究对象,先对其负荷短期变化规律进行分析,确定影响负荷变化主导因素。以往研究表明BP神经网络虽然十分适用于解决负荷预测问题,但其存在容易陷入局部极值缺点,针对这种情况,提出自适应变异粒子群优化算法(Particle Swarm Optimizition with Adaptive Mutation,AMPSO)优化BP网络参数,凭借多峰函数验证了该算法出色寻优能力。建立AMPSO-BP负荷预测模型,根据负荷特点确定网络输入输出,利用电网实际数据训练神经网络并进行负荷预测,并与BP、PSO-BP等方法比较。对比结果可知,AMPSO-BP方法预测最大相对误差和平均相对误差水平均低于后面两种方法,表现出良好准确性和稳定性,证明是较为有效的短期负荷预测方法。根据短期负荷预测结果研究微电网优化调度策略。微电网电能优先利用、净负荷由大电网和蓄电池供给,在算法中对蓄电SOC值进行限制,且使系统运行成本降到最低,合理安排分布式电源发电。建立微电网优化调度目标函数,用AMPSO算法求解目标函数。MATLAB仿真结果表明,清洁能源得到充分利用,蓄电池充放电时间选择合理,并使运行成本处于较低水平,调度方案符合实际要求,证明了所提调度方案具有一定理论价值及实际应用价值。图23幅;表12个;参59篇。