在经济发展和环境污染矛盾日益突出的今天,以清洁能源和可再生能源为核心的分布式能源技术是未来世界研究能源问题的重要发展方向,是解决我国能源问题的关键所在。本文构建了一个联合风能、热电联产和储能的多能互补分布式能源系统。基于模型预测控制方法,对分布式能源系统内的能源进行调度,为系统配置一个最佳的供能方案。本文围绕多能互补分布式能源系统展开的具体工作如下:(1)首先分析了分布式能源系统中各个模块的出力特性,其中包括风力发电子、微型燃气轮机和蓄电池模块,并且建立了各个模块的功率输出模型。(2)接着针对系统接入的风电序列的混沌特性,提出了一种基于相空间重构的长短期记忆网络预测模型。利用时间序列相关法中的互信息法对延迟时间进行选取,以减弱相空间中各元素的相关性,同时使用关联维数饱和法中的GP算法求取嵌入维数。通过算例分析和不同模型的结果对比,验证了该模型的有效性。(3)然后对系统运行的可靠性和经济性进行分析,将与电网最小的电力交互和分布式能源系统的运行成本作为优化的目标函数,以系统内部负荷均衡以及各个模块的出力大小作为约束。同时对标准粒子群算法中存在的问题进行分析,结合自适应权重法和贝叶斯优化算法,提出一种改进的粒子群优化算法Bayesian-AWPSO。最后通过算例分析验证了改进后的粒子群算法具有更高的收敛性和稳定性。(4)最后,对模型预测控制算法进行介绍,整合上述两部分的工作,建立分布式能源系统的MPC优化策略。讨论在两种优化指标下(与电网的最小交互和最小的运行成本)MPC的性能,并且针对这两种情况进行算例分析,数据结果表明模型预测控制在该系统中具有一定的有效性。