Para planificar el trabajo de los equipos de generación de energía, es necesario asegurar que el suministro de energía sea suficiente y lograr el costo mínimo para garantizar la seguridad y la economía de la microrred. Basado en la predicción de carga de red neuronal de retropropagación-descomposición local de la media-memoria a corto plazo (BPNN-LMD-LSTM), el diseño se basa en un algoritmo de consistencia de tiempo fijo con retraso aleatorio para predecir la distribución económica de las microrredes. Primero, se obtiene la secuencia inicial de predicción de carga de potencia mediante el entrenamiento continuo de la red neuronal de retropropagación (BPNN); la secuencia residual con otros factores influyentes se descompone mediante la descomposición local de la media (LMD); y se utiliza la red neuronal de memoria a corto plazo (LSTM) para predecir la secuencia residual de predicción de salida, y se obtiene la predicción final de carga de potencia a corto plazo. Basado en la predicción de carga, se utiliza el algoritmo de consistencia de tiempo fijo con retraso aleatorio para añadir restricciones de equilibrio entre oferta y demanda para optimizar la distribución de energía de las unidades de generación de energía de la microrred distribuida y reducir el costo de generación de energía de la microrred. Los resultados muestran que el modelo de predicción tiene una mejor precisión de predicción, y el algoritmo de programación basado en el modelo de predicción tiene una tasa de convergencia más rápida para alcanzar el costo de generación de energía más bajo.