近年来,我国能源清洁低碳转型进程加快,以风光等可再生能源为代表的分布式发电大力发展。此类间歇性分布式电源以微电网形式接入,不仅提高可再生能源利用率,还能与大电网互为支撑,灵活供电。但微网内间歇性分布式电源功率预测精度低,负荷预测也存在不确定性,使得微网内能量流动控制难,无法保证运行稳定性和经济性。本文针对光储微网系统,围绕光伏发电功率预测和能量管理策略研究展开。针对功率预测方面,采用遗传算法(Genetic Algorithm,GA)改进BP神经网络(Back Propagation,BP)的GA-BP模型对光伏发电功率进行预测。分析气象因素与光伏发电功率相关性,取相关量建立GA-BP预测模型并与BP模型进行对比,利用不同天气算例进行验证。改进后的组合模型,提高了网络收敛速度,大大改善了预测精度。其次介绍采用的智能算法原理,对粒子群算法进行改进,对比结果表明改进后的算法寻优速度提高,寻优结果改善。分析了光伏发电、蓄电池等分布式单元工作特性和工作运行约束条件。建立了考虑预测误差的光伏发电模型、负荷模型和考虑运行损耗及使用寿命的蓄电池模型,避免电池深度充放电。最后设计了多时间尺度能量管理策略,建立了日前-日内-实时三级优化框架。日前采用考虑峰平谷分时电价的蓄电池充放电规则,在规则指导下,微网运行成本降低,蓄电池充放电次数减少且避免了深度充放电。日内利用滚动优化修正,减少预测误差导致的调度计划与实际运行间的偏差。实时阶段,考虑平抑联络线的功率波动,利用蓄电池充放电跟踪平抑低频波动,超级电容器跟踪平抑高频波动。算例结果验证了策略的可行性。