目前,微电网优化运行是微电网亟待解决的问题之一,其经济效益、环保效益、以及对能量管理仍然是一大难题。微电网优化运行研究可以改善发电质量,推广其在电力行业的应用。同时光伏、风机发电功率的预测能够缓解不可控微电源波动性对配电网稳定性影响,提高风机和光伏消纳能力,提高微网和大电网互联的安全性。本文从光伏和风机的输出功率预测建模开始,围绕微电网的环境保护成本、运行维护成本和综合效益成本的优化展开研究。影响风力、光伏发电量变化的因素很多,表现的似乎无规律,故风电、光伏系统可看作是一个灰色系统。灰色预测模型选用历史发电量作为输入值预测发电量,通过对原始时间数列进行累加生成处理弱化序列的随机性和增强历史数据的规律性,能够较为准确的把握原始数据序列的潜在变化趋势。由于原始灰色GM(],1)模型参数选择毫无根据造成预测误差较大,本文对背景值的选取采用寻优法,对初始值的选取采用最小二乘法,预测结果表明改进后的灰色预测GM(1,1)模型较大的提高了微电网功率预测精度。灰色预测GM(1,1)模型只考虑了历史数据对功率预测的影响,没有引入温度、太阳辐射、风速、风向等气象因素对功率预测的影响,因此本文引入BP神经网络法,采用附加动量法和自适应学习率解决BP神经网络在预测光伏功率时难以收敛的问题,采用希尔伯特黄变换解决风速波动性对预测精度的影响。最后建立灰色神经网络优化组合的预测模型用于风电和光伏的功率预测,通过预测误差分析,证明相比于单纯的用灰色模型和神经网络模型,灰色神经网络预测功率波动性小且预测误差较小。结合微电网风机和光伏的功率预测,建立了环境保护成本、运行维护成本和综合效益成本的多目标优化模型,应用最大模糊隶属度法将多目标函数转化为单目标函数,并运用遗传算法求解优化模型。根据微电网和大电网不同的电网交易模式采用四种不同的微电网运行方案,选取夏季典型日对某小区微电网的不同目标函数和不同运行策略进行仿真分析,仿真表明多目标优化比单目标优化能获得更高的利润,能以尽量小的损失获得较高的经济性和环保性,同时采用分时电价下的微电网和配电网双向能量交流的方案能达到较高的输出效果。