随着过去几十年里世界人口的快速增长和社会的不断发展进步，人类对于能源的需求不断增随着过去几十年世界人口的快速增长和社会的不断发展进步，人类对于能源的需求不断增加，全球的能源短缺问题日趋严重。节能减排、提高能源的利用率受到各国科学工作者的广泛关注。在电力领域，各国开始投入大量的资源研究智能电网，以期提高电能利用率、降低用电成本。随着电力技术的发展，各国电力公司开始逐步采用实时电价机制指导用户优化用电。蓄电池等储能器件的成本降低使普通用户可以便利地使用储能设备存储与释放电能。此外，太阳能等可再生能源发电技术的进步降低了用户的用电经济成本，同时减少了传统发电方式温室气体及污染物排放量，保护了环境。

    神经网络是一种基于计算的智能控制算法，它模拟人脑的信息处理机制，将系统的特性赋值于神经网络的连接权值之中, 然后利用大量数据进行自我学习，在复杂系统控制、机器学习、模式识别等领域有广泛的应用。自适应动态规划(Adaptive dynamic programming)是一种集成了动态规划、强化学习和神经网络三者优势的智能控制方法，解决了传统动态规划的“维数灾”问题。自适应动态规划基于系统的大量已知数据进行计算实验，在求解复杂非线性系统的优化控制问题方面有很好的应用效果。因此，本文将研究自适应动态规划方法在智能微网中的电能优化协调控制问题。

    本文的主要工作和贡献体现在以下几个方面：

    1.针对智能微网系统中双智能住宅用户的电能协调利用问题，提出了一种基于自适应动态规划方法的电能优化协调控制算法。在实时电价情况下，每个智能住宅用户都拥有一个储能设备，两个智能住宅用户(及外界公共电网)间的电能传输规划问题十分复杂，难以直接求解。提出的基于自适应动态规划的电能优化协调控制算法能够有效解决双智能住宅用户系统的电能传输规划问题，利用惩罚成本来提高储能设备的利用效率，实现了储能设备的使用成本控制。该算法利用储能设备对外界公共电网采购的电能进行了时间维度上和空间维度上的转移，节省了用户的经济成本，同时降低了外界公共电网负载的峰谷差，提高了外界公共电网总负载均衡性。

    2. 针对实时电价情况下，存在储能设备的智能微网双住宅用户(及外界公共电网)间的电能优化协调控制问题，太阳能发电的加入使得两个用户间的电能优化问题更加复杂，尤其是考虑到太阳能发电的波动性特点。本文设计了基于自适应动态规划的考虑温度因素和变函数因子的电能优化协调控制方法，将环境温度作为一个系统状态量，利用可变惩罚因子函数降低外界气温对太阳能发电电量的影响，加快训练速度。实验证明该方法有效节省了用户的经济成本，提高了电能利用率。

    3. 考虑到太阳能发电对双住宅用户(及外界公共电网)间电能优化协调控制的影响，提出了一种新的基于天气分类预测的电能优化协调控制算法。基于成熟的天气预报系统，将天气分为三种类型(晴天、局部阴天和阴天)，每一天划归为一种天气类型，并根据天气类型用相应的网络进行训练，以尽量减少天气因素对太阳能发电及整个住宅用户电能优化协调控制问题的影响，提高了相应网络的精准度，提高了算法的有效性和针对性。此外本文设计了相应的电能传输优先级方案，尽可能提高太阳能的利用率，降低电能转换过程中的能量损耗，并根据储能设备的控制问题提出了相应的充放电控制策略调整方案。实验分析表明该方法有效降低了用户的经济成本，提高了太阳能发电电能的利用率。