风能和太阳能作为清洁能源中储量最为丰富的两种自然资源,近年来得到了广泛的利用。风力发电和太阳能发电具有随机波动性,直接接入电网会对大电网产生冲击,不利于可再生能源的利用和大电网的统一调度。微网作为一种新型的能源管理系统,可以为可再生能源的利用提供有效的技术途径。风能和太阳能发电通过电力电子装置如并网逆变器接入微网,微网对所接入的各电源进行统一调度以应对可再生能源的随机波动性。随着可再生能源并网比例的提高,电网的运行场景更加复杂,不可忽视的电网等值阻抗严重影响着电力系统的稳定运行,因此,对于并网逆变器和微网调度策略的优化研究十分重要。含高比例可再生能源的微电网中,电网阻抗和电网谐波等问题较为突出,原有的并网逆变器运行方式逐渐无法满足微网的运行要求。通过对弱电网模型和现有的逆变器控制方式进行分析,考虑系统参数变化、采样延时和电网谐波等因素的影响,提出了一种新的LCL滤波器参数设计方法和基于该参数的逆变器自适应控制方式。该控制方式主要包括两个自适应环节,根据LCL滤波器参数设计方法计算出与实际电网相匹配的滤波器参数,同时考虑电容支路的电流反馈量,两者一起形成第一个适应环节;根据采集得到的电网实际阻抗大小从而更新比例谐振(PR)控制器的比例谐振系数形成第二个适应环节。最后通过仿真验证了该滤波器参数优化方法和自适应控制方式的有效性,该优化方法使逆变器能适应高比例可再生能源并网后的运行条件。由于可再生能源的不确定性和随机性,微网的调度优化方法具有计算量大、多维度、非线性等特点。在对微网的数学模型进行建立、分析的基础上,采用可再生因子、单位电力生产成本构建了同时考虑环境效益和运营成本的微网经济优化模型。为了满足微网调度快速性、有效性和实时性的要求,提出了一种基于贝叶斯理论和粒子群算法的经济优化算法。该算法采用粒子更新公式来解决贝叶斯网络的结构学习问题,并更新一组粒子,然后利用贝叶斯评分函数(Bayesian information criteria,BIC)来评价新粒子的适应度,通过粒子的适应度值来更新全局最优解。最后通过一个典型的微网系统对该方法进行仿真验证。结果表明,贝叶斯-粒子群算法避免了收敛速度慢和易陷入局部最优的问题;在收敛效果和运算时间上均具有一定的优势;同时,贝叶斯网络有待于深入研究,这是应对可再生能源不确定性的一个新思路。