当前全球人口数不断增加,引起能源需求量日益巨增,在可再生能源发展迅速的背景下,本文研究智能电网能量管理问题。由于国内外专家学者大多数都只关注智能电网的经济调度问题,或者发电侧大多都只考虑二次函数形式的代价函数,此外智能电网集中式的能量管理存在着大量的弊端以及智能电网中节点间的通信负担过重。因此,针对现有文献的研究不足之处,本文同时考虑发电侧和负荷侧的利润函数,将发电侧的代价函数建立成具有阀点效应的非凸且不可微的形式,将集中式的能量管理转化成分布式以减轻计算负担,同时加入事件触发机制以降低通信负担。为了给智能电网能量管理提供优化算法,提出一种分布式事件触发随机无梯度优化算法,通过设置不可加和平方可加的递减步长来保证算法的收敛性,并且加入事件触发机制降低网络通信负担。为了解决由若干智能体组成的局部非光滑凸目标函数总和最小的分布式优化问题,提出分布式事件触发随机无梯度优化方法,并严格分析其一致性和最优性,证明了该算法最终能够使得各智能体的状态收敛至平均值和最优值。最后,通过仿真也验证了该算法能够在大大减少通信次数的同时获得良好的收敛性能和最优性能。接着考虑具有阀点效应的智能电网分布式能量管理,由于发电单元成本函数非凸且不可微,提出基于逐次凸逼近的随机无梯度方法,使用一个凸光滑替代函数替换此成本函数,为求全局最优解提供更精确的目标函数。为了降低计算负担和通信负担,设计了一种基于事件触发通信的分布式优化算法对智能电网能量管理进行优化,也对该算法的收敛性给出严格的证明。最后,在IEEE 9总线系统下对其进行仿真分析,发现该算法能够获得非常好的收敛效果以及能够大大降低节点间的通信次数,与发电成本函数未考虑阀点效应的基于一致性的能量管理算法（CEMA）相比能够获得更佳的社会福利。为了验证该算法的拓展性,在IEEE 39总线系统下验证其也获得不错的收敛效果和减少通信负担,与发电成本函数未考虑阀点效应的基于一致性的能量管理算法（CEMA）相比也能够获得更佳的社会福利。