配电网中风电、光伏等可再生能源大规模接入会因其输出功率波动性和随机性影响系统稳定运行,产生安全隐患。同时,火电、水电等传统电源因响应时间长、爬坡速率低,无法适应新能源高渗透率情况下的配电网发展需求。提高新能源接入后电网的稳定性主要有两种途径,一种是利用储能装置平衡新能源出力波动;另一种是通过精准的功率预测技术,优化风、光、储等新能源调度和负荷控制。在此背景下,本文以配电网分布式储能系统为研究对象,对光伏、风电功率预测和负荷预测技术进行了分析和讨论,并基于功率预测数据,对分布式储能的优化调度策略进行了研究,主要进行以下几个方面的工作:首先,针对风、光、负荷功率预测问题,提出了基于长短时神经网络的功率预测模型,并利用该模型确定储能功率和容量需求区间。研究了传统神经网络和长短时神经网络的基本原理和结构,并分析了神经网络技术发展过程以及优缺点,探讨了长短时神经网络技术在处理“梯度”问题的优势;探究了功率预测过程中,长短时神经网络输入数据的预处理过程、网络构建方式、网络训练方法等,构建了长短时神经网络功率预测模型;基于预测结果确定储能功率和容量需求区间,为制定储能系统调度计划提供依据;通过与BP神经网络功率预测结果进行对比,证明了长短时神经网络的预测模型拥有较好的预测性能,为储能的优化调度奠定了基础。然后,针对区域内分布式储能有功负荷分配问题,提出了基于等成本微增率的分布式储能有功负荷优化分配模型。以蓄电池为例,考虑储能系统寿命成本、充放电损耗和网损成本,构建了储能调度成本函数;分析了储能系统主要应用场景,并基于相关系数,优化储能调度计划;针对分布式储能功率分配问题,提出了基于储能等成本微增率准则的调度模型,实现储能有功功率的优化分配;通过算例验证了所提方法的合理性和经济性。最后,针对分布式储能在配电网中的优化调度问题,提出了配电网分布式储能分层分区优化调度策略。首先,以联络线交换功率最小为目标,对配电网进行区域划分,将每个分区等效成一个节点,优化各分区功率;然后,各分区按照等成本微增率模型优化分区内每个储能功率,建立分布式储能分层分区协调策略;最后,算例分析基于PG&E69节点配电系统验证了所提方法的有效性和经济性。