微电网能量管理是有效利用可再生能源的一种重要形式。现阶段的动态能量管理方法存在难以有效处理微电网的离散性、非线性和随机性等问题。为此,本文将深度学习和马尔可夫决策过程引入微电网动能量管理中,提出一套新的微电网动能量管理智能决策方法,主要工作如下:(1)提出了一种基于马尔可夫决策过程的微电网动态能量管理方法。将微电网动态能量管理模型转化为马尔可夫决策模型,通过计算当前可行离散决策的回报值的方式,赋予各个阶段的动态决策过程远视效应。在实现离散非线性优化问题的解耦决策的同时,得到近似最优值。通过蒙特卡洛生成的随机变量的预测场景,从而充分考虑微电网的随机性。为了减少回报值的计算时间,进一步采用了深层神经网络模拟了微电网动态能量管理的策略评估过程,可以在计算精度差异不大的情况下显著提高计算效率。(2)提出了一种基于模型预测控制理论的微电网动态能量管理方法,以更充分地利用微电网动态能量管理的实时预测信息。设计了一种深层长短期记忆神经网络预测模型,同时利用长期和短期的历史信息预测后续时段的随机变量,可以显著提高预测精度。在模型预测控制理论框架下,同时利用深层神经网络进行预测和决策,形成一种高效的微电网动态能量管理智能决策方法,能较好地应对微电网的强随机性问题。(3)从不同的角度对深层神经网络的决策有效性、预测准确性以及马尔可夫决策过程的远视效应进行仿真分析,并将所提方法与短视策略、模型预测控制等方法进行对比,仿真结果说明了所提方法的有效性。