随着能源短缺和环境污染问题的日益严峻,对于可再生能源的研究和利用的重要性与日俱增,越来越多的新能源通过微电网系统参与到电力系统中。但与此同时,由于新能源的间隙性和可变性,对微电网的经济平稳运行带来了新的挑战。为解决这一情况,本文针对一个由对风电、电解水、氢氧燃料电池及微电网负荷组成的微电网,围绕基于需求侧响应的微电网关键技术展开研究。具体工作如下所示:首先,分析微电网中各系统单元运行特性,并在此基础上研究其相应的数学模型。其次,针对负荷预测中负荷随机性强且受影响因素众多的不稳定特性,采用不同的预测手段和适合的预测方法等对其进行预测。包括基于改进BP神经网络的负荷预测模型、基于GM（1,1）的灰色神经网络预测模型和基于改进LSTM神经网络的负荷预测模型。并通过算例对三种预测模型进行了仿真验证。通过对比发现,基于改进LSTM神经网络的负荷预测模型在预测精确度、可靠性以及负荷曲线的拟合程度上均优于其他模型。然后,基于需求侧响应分析微电网的运行模型。分析过程主要分为三个部分:第一部分是对微电网的运行模型中各模块的功能进行分析;第二部分是对负荷转移策略进行了研究,并采用基于贪婪-遗传的优化算法对其进行求解;第三部分是对微电网运行控制策略进行研究,从储能系统的调度策略入手,构建微电网的协调优化运行策略,并采用遗传算法对微电网的协调优化运行策略进行优化和求解,之后为了修正微电网运行过程中存在的误差和扰动,引入了反馈校正系统,形成闭环控制,不断对微电网运行的过程进行滚动优化。最后,通过我国北部某地区和欧洲某地区的实测数据作为算例,对基于需求侧响应的微电网运行仿真分析以观测优化算法的效果。通过微电网的需求侧协调运行优化算法对微电网系统进行优化之后,新能源的消纳率获得了提高,实现了新能源在本地最大消纳的同时,提高了微电网运行的稳定性。