微电网是近年来新兴的一种供电模式,受到了广泛关注。微电网具有环保、电能利用率高、安装灵活方便等优点,可以很好地弥补大电网的缺陷。随着大电网中接入了越来越多的微电网,提高了电网运行的稳定性和供电的可靠性。微电网的建模研究可以更加全面深入地研究微电网。神经网络具有学习能力和泛化能力,在系统建模方面应用广泛。本文以微电网为研究对象,提出了基于优化神经网络的微电网等效建模新方法。介绍了微电网中的各个分布式电源和蓄电池储能系统的工作原理和数学模型,其中,各分布式电源包括光伏发电系统,风力发电系统和微型燃气轮机发电系统。为后面微电网的等效建模研究做准备。针对微电网的并网建模问题,提出了一种基于优化回声状态网络(Echo State Network,ESN)的微电网等效建模方法。把微电网看作一个整体的外部系统,以微电网各种运行状态下并网接入端的电流和功率等数据分别作为网络的输入和输出,来构建基于回声状态网络的微电网等效模型。由于回声状态网络初始化参数选取之后就不再改变,缺乏自适应性,往往导致逼近能力不能达到最优。为了提高建模的精确性,利用烟花算法对回声状态网络进行参数优化。烟花算法通过模拟烟花的爆炸来建立数学模型,通过计算个体适应度值选择最优个体,具有爆发性、瞬时性、分布并行性和可扩充性等优点。通过与微电网并网仿真的实测数据对比,以验证所建模型的拟合精度和泛化能力。针对直流微电网的并网建模问题,提出了一种基于优化极限学习机(Extreme Learning Machine,ELM)的直流微电网并网等效建模方法。把微电网看作一个整体的外部系统,以直流微电网并网接入点的电压和功率数据分别作为极限学习机的输入和输出,来构建基于极限学习机的直流微电网并网等效模型。由于极限学习机在初始化过程中,输入权值和隐层阈值随机设定且不再改变,会导致极限学习机建模缺乏自适应性,影响建模精度。利用鲨鱼优化算法对极限学习机的输入权值和隐层阈值进行优化,进一步提高建模精度。鲨鱼算法通过模拟鲨鱼捕猎过程来进行寻优,通过气味粒子的气味大小来引导鲨鱼位置的更新,是一种效率极高的优化算法。通过与微电网并网仿真的实测数据对比,以验证所建模型的拟合精度和泛化能力。