综合能源系统涵盖电、气、热、冷等多种形式的能量,可以通过不同的耦合设备实现能量间的转换,有效的提升能源利用率,是未来能源系统发展的方向。随着能源互联、分布式发电、储能等技术日益成熟,不同能源之间的耦合互联会愈加紧密,对多能耦合系统进行整体化研究显得尤为重要。本文基于综合能源系统的耦合互联特性,聚焦于系统的用能侧的负荷预测和供能侧的设备调度优化,分别对“荷”端的负荷预测模型和“源”端的优化调度策略进行研究。本文首先对多元负荷的日前预测理论展开分析。为更好的量化负荷数据与影响因素之间的相关性,首先采用Pearson系数来定量分析各个变量间的相关性大小,然后,兼顾负荷数据的时序性、周期性和波动性三方面的特点,从数据的波动趋势和变化幅度两方面对灰色关联分析法进行改进,确定了筛选相似日样本集合的方法,最后,采用深度信念网络对数据间的潜在特征进行深度学习,来发掘数据间的隐藏信息,通过无监督学习和有监督训练相结合的方式提高预测准确度。然后,对综合能源系统进行日前多元负荷预测方法的研究。为了更好的确定深度信念网络的参数值,提出了一种改进的粒子群算法进行参数寻优,通过在粒子群寻优过程中融合交叉机制,从水平交叉和垂直交叉两个维度上避免了陷入局部最优,确定了隐含层最优层数和单层最优节点数,进而确定了多元负荷预测模型。并结合算例对搭建的预测模型进行效果验证,算例结果表明,所提模型的拟合度和预测精度要优于浅层预测算法。最后,对含有储能设备的综合能源系统进行优化调度策略的研究。首先基于负荷预测数据,分析了各类负荷的需求变化,然后对系统模型进行分析,并基于能量转换设备实现负荷替代、储能设备实现能量转移的思想,建立经济性目标函数,以分时电价为指导原则制定了不同应用场景下的最优调度策略,最后基于最优调度策略,结合储能设备的运行特性,进一步制定了储能设备的日前调度计划,实现了整个系统的联合优化。