过去的几十年间，随着全球经济的迅速发展，能源的消耗日益加剧。传统非可再生能源逐渐枯竭，给社会的科技和经济的进一步发展带来了巨大的压力。大力发展可再生能源系统成为了应对能源危机的必然途径。其中，包含可再生能源的冷热电联供系统(RES-CCHP)可以通过能量梯级利用实现较高的能源利用率并对冷热电多种负荷进行持续供应，已成为提高能源利用率和减少温室气体排放的重要方案。
　　在对RES-CCHP系统的研究中，由于系统中设备种类繁杂并且存在多种能量流动，这导致对系统的研究较为困难。并且系统对应的可再生能源与冷热电负荷存在较大的随机性往往会影响对其预测的准确度，使系统优化后的设备出力计划与实际需求间存在较大偏差，导致系统运行效率低、经济差等问题。针对以上问题，本文主要研究内容如下:首先，本文对RES-CCHP系统的结构与各设备模型进行合理分析，建立了发电机组、吸收式制冷机与锅炉等设备数学模型。在此基础上，对RES-CCHP系统中冷热电三种能量流动进行详细分析，并建立能量平衡约束，为运行优化奠定了基础。
　　其次，提出了一种基于预测控制的RES-CCHP系统区间优化方法。结合历史数据和气象数据，利用遗传算法优化BP神经网络(GA-BP)的预测方法，预测可再生能源和冷热电负荷。根据源、荷预测数据，采用区间优化方法，以提高系统运行经济性。之后利用反馈校正在线补偿预测误差，减少了预测误差和区间宽度，有效提高区间优化方法寻找最优解的性能。该方法可适用于多种场所，例如住宅区、学校、医院等。本研究以医院为例，将所提出的方法与以电定热和以热定电两种传统优化模式进行比较，分析结果发现本研究方法的成本相比于后两者分别降低了16.21％和16.92％。
　　最后，开发了RES-CCHP系统预测与优化平台。此平台包括数据采集、源荷预测与系统优化功能。利用LabVIEW与MicrosoftOfficeAccess数据库，实现天气与可再生能源数据实时监控与存储;在此基础上利用神经网络预测源荷数据;结合预测数据完成对系统各设备出力计划的优化。该平台的实现与应用将多种复杂功能融为一体，降低了RES-CCHP系统的优化难度，完善了系统运行机制，最终提高了系统经济性。