近年来,伴随社会的飞速发展,化石能源出现匮乏,环境污染也日益严重,为了应对这种现象,且要满足日益上涨的电力需求,清洁能源发电成为研究热点。利用清洁能源发电,不仅能缓和能源危机,同时可以缓解环境压力。分布式发电是有效利用清洁能源发电的一种技术手段。微电网将多种分布式电源组合在一起进行集中供电,既能够充分发挥分布式发电的优势,最大化利用可再生能源,又可以安全可靠的供电,具有重要的工程价值。微电网优化调度是在保证供电安全可靠的前提下,使用EMS能源管理系统对各个电源的输出功率进行控制管理,以达到微电网经济运行的目的。负荷预测是微电网优化调度必不可少的环节,只有提前获得未来的负荷数据,才能对微电源的输出功率进行有效地调度管理。传统的BP算法虽然可以解决负荷预测问题,但其存在精度较差,容易陷入局部极值的缺点,故本文使用遗传算法优化BP神经网络参数,建立GA-BP负荷预测模型,利用电网实际数据训练神经网络并进行负荷预测,并与BP神经网络预测结果对比。对比结果可知,GA-BP预测模型的预测结果更加精确。考虑功率平衡约束、可控机组出力约束等条件,以微电网运行成本最低和失负荷率最低为目标函数,建立微电网多目标优化调度模型。采用多目标粒子群算法对调度模型进行求解,得到Pareto前沿图。以失负荷率最低为优先选择条件,得到调度结果。由调度结果可知,在保证用户用电失负荷率低的情况下,微电网以较低成本运行,且清洁能源得到充分利用,证明了调度模型的经济性和实用性。