随着化石燃料的逐渐枯竭,大量使用化石燃料给环境带来巨大压力,新能源是未来各国发展的重要方向,开发和使用新能源能够有效缓解经济和环境带来的双重压力。因此新能源的分布式发电和微网技术凭借其独特优势也受到了越来越多的关注和应用。分布式发电和微网关键技术作为智能电网的有机组成部分,未来也会得到快速的发展。针对风光出力预测与微网经济调度问题,本文基于现有国内外相关工作,提出一种长短期记忆人工神经网络（Long Short-Term Memory,LSTM）与支持向量机回归（Support Vector Regression,SVR）相结合的风光预测模型,提高对风光出力预测的准确性,进而基于预测的风光出力结果,建立风光储协调运行的微网系统日调度模型。利用智能优化算法实现微网系统经济调度,实现微网系统运行成本最优。取得的主要研究成果如下:首先,面向微网研究背景与意义,建立风光出力预测的基本模型,通过对澳洲某地区风光数据分析,设计风光预测总体方案。进而给出了微网组成基本单元及其数学模型,提出了以微网经济效益为目标的调度模型和经济优化策略。其次,基于支持向量机、BP神经网络和长短期记忆人工神经网络三种模型对风光出力进行预测和分析,进而基于长短期记忆模型设计了考虑风光预测的LSTM-SVR组合模型,进一步提升风光出力预测的准确性。通过与已有三种模型的对比仿真,验证了新模型的优越性。最后,针对经典布谷鸟算法易陷入局部最优解、缺少群体交流机制的缺陷,提出一种混合布谷鸟算法,搭建了该算法的微网能源优化调度模型。仿真实验中,利用风光出力预测数据,实现了日调度周期的微网优化,验证了混合布谷鸟算法对微网能源调度的优势。