在国家能源安全和全球气候变化的挑战下,大力发展可再生能源已成为全球能源转型和应对气候变化的重大战略举措。然而,风、光发电由于间歇性和波动性等问题,难以与电力需求实时匹配,在开发利用中存在严重的弃风、弃光现象。电力发展“十四五”规划明确指出,多能互补是提高风电、光电等可再生能源消纳能力的重要手段。风、光发电固有的多变性和不可控性对多能互补系统运行带来较大的影响和冲击,与此同时,风、光接入后产生的消纳问题也是不容忽视的重要问题。因此,本课题聚焦耦合可再生能源的分布式与集中式多能互补系统,以提高可再生能源消纳水平和系统运行经济性为研究目标,深入研究用电负荷与可再生能源发电的预测方法,并且基于预测研究多能互补系统的协同运行优化方法,以期为未来能源系统的管理提供理论参考,推动构建新能源供应体系。主要研究内容如下:（1）用电负荷的精准预测是多能互补系统运行优化的基础,是多能互补系统能量管理中不可或缺的组成部分。针对传统数据分解技术与机器学习模型结合预测存在的精准度低、计算量大等问题,提出一种将经验模态分解与多层感知机结合（EMD-MLP）的新方法对用电负荷进行日前预测。引入EMD将原始负荷数据分解为多个本征模函数（IMF）,将各IMF分量重构后形成高频和低频两个成分,对二者分别建模预测并将它们的预测结果叠加作为用电负荷预测值。采用澳大利亚电力市场的真实用电负荷数据对提出的方法进行测试和验证,结果显示,EMD-MLP组合模型在外推预测效果上明显优于持续性模型、单一 MLP及传统EMD组合模型。同时,相比传统对各分解分量分别预测的方法,该方法极大地减少了计算任务。（2）高精准度的光伏发电功率预测可以为多能互补系统的协同调度提供依据,是提高可再生能源消纳和系统经济性的基础。提出一种集成预测方法对光伏发电进行日前预测。该方法将传统集成预测模型中分开使用的结构与数据多样性增强方法结合起来,基于多数据集-多学习器的预测形式,生成多样化的候选基模型并从中选出性能较好的进行集成,产生最终的光伏发电预测结果。利用美国俄勒冈州一座15 kW光伏电站上的实测数据进行试验,结果表明集成模型在三种天气类型数据集上的泛化性能均优于每种单一模型,验证了本文提出的集成预测方法的有效性。（3）以提出的用电负荷与光伏发电功率精准预测模型为辅助,针对含光伏（PV）、蓄电池（BS）和微型燃气轮机（GT）分布式多能互补微电网的协同运行,提出一种日前-实时的双层优化方法。日前层面,基于用电负荷与光伏发电功率的日前预测值,以日运行经济性最佳为目标,提出日前运行优化策略并制定日前计划。实时层面,以15分钟为一个运行调度周期,基于动态更新的超短时预测,以每个调度周期的微网运行成本最低为目标,建立实时优化策略,实时调整调度决策。与仅采用日前优化的方法相比,该方法可有效抑制源荷日前预测不确定性对多能互补微电网运行的影响。（4）基于可靠的日前源荷预测结果,针对含光伏、抽水蓄能、火电的集中式多能互补系统运行,提出一种分阶段优化方案。该方案将光-储运行优化与火电运行优化问题解耦。第1阶段,基于用电负荷与光伏发电的日前预测值以及抽水蓄能电站实际运行机理,建立使光-储系统联合发电量最大的协同运行策略,形成光伏发电功率分配、抽水蓄能抽水与发电计划。第2阶段,在光-储联合出力基础上安排火电机组发电计划,采用等耗量微增法优化各台火电机组出力使总煤耗最低。通过对比分析光-储-火联合调度优化情景与无储能运行情景,验证了所提方案在提高光电消纳率与降低煤耗方面的有效性。本课题研究成果可以为我国多能互补示范工程的优化运行提供参考,对于我国构建清洁低碳、安全高效的能源体系,实现“双碳”目标具有重要价值。