امروزه به کارگیری منابع تولید پراکنده در سیستم های قدرت به سرعت در حال افزایش است. در میان انواع انرژی های تجدیدپذیر، انرژی باد به عنوان یکی از مهم ترین منابع تولید پراکنده، از جایگاه ویژه ای برخوردار است. با وجود این، به دلیل نوسانات سرعت باد و عدم قطعیت حاکم بر آن، برنامه ریزی برای تولید توان در توربین های بادی، در مقایسه با سایر منابع تولید پراکنده، با چالش های بیشتری مواجه است. لذا مدل سازی توربین بادی و پیش بینی سرعت/توان باد، امری ضروری در به کارگیری این منبع انرژی است. در این پایان نامه مدلی برای پیش بینی سرعت باد به صورت ساعتی ارائه شده است. الگوریتم پیشنهادی ترکیبی از روش انتخاب ویژگی و شبکه عصبی mlp است که از الگوریتم nsga-ii برای انتخاب ورودی استفاده می کند. در ابتدا با استفاده از انتخاب ورودی، بهترین مجموعه ورودی ها برای پیش بینی انتخاب گردیده، سپس با استفاده از شبکه عصبی mlp، پیش بینی سرعت باد انجام می گیرد. همچنین مدیریت انرژی در یک ریزشبکه شامل منابع تولید پراکنده نظیر میکروتوربین، پیل سوختی، توربین بادی و باتری به عنوان ذخیره ساز با استفاده از الگوریتم mopso انجام شده که در آن از یک سیستم متخصص منطق فازی برای زمان بندی باتری استفاده شده است. این ریزشبکه به شبکه سراسری قدرت متصل بوده و تبادل توان با شبکه در صورت نیاز امکان پذیر خواهد بود. مدیریت انرژی به صورت یک مساله بهینه سازی چندهدفه غیرخطی و با هدف کمینه نمودن هزینه بهره برداری و انتشار آلودگی شبکه به طور همزمان، فرمول بندی شده است. نتایج به دست آمده از شبیه سازی، کارایی روش پیشنهادی را تایید می نماید.