新能源多能互补冷热电联供(Combined Cooling Heating and Power,CCHP)系统可有效消纳间歇性可再生能源,实现能源“品位对口、梯级利用”,是当前能源和环境危机背景下世界能源技术发展的重要方向。压缩空气储能(Compressed Air Energy Storage,CAES)因具有环境污染小,能量转换效率较高,无相变损失等优点而备受国际社会关注。本文充分利用压缩空气储能系统天然的冷、热、电等多能接口,将其以多能耦合方式接入CCHP系统,并通过研究含压缩空气储能的CCHP系统的源-荷预测以及能量管理策略,在平抑新能源的间歇、波动性的同时,提高了系统多能量联合调度的灵活性以及系统运行的经济性和清洁性。首先设计了含CAES的CCHP系统结构,在分析燃气轮机、吸收式制冷机、燃气锅炉、压缩空气储能、风机、光伏发电系统等核心设备运行原理的基础上,建立适用于系统能量调度的数学模型。针对可再生能源的随机性和波动性,给出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)的组合预测方法,并采用改进诱导有序加权平均(Induced Ordered Weighted Averaging,IOWA)算子实时调整组合权重系数。风/光功率预测的算例结果表明,提出的算法预测精度高,既可有效降低随机性对预测带来的干扰,又避免了单一预测算法的局限性。负荷的准确预测是CCHP系统运行调度和能量管理的重要依据。本文利用负荷周期性特性,并考虑负荷当前数据与历史数据间以及冷热电负荷间的耦合关系,提出了一种基于深度学习算法长短期记忆网络(Long Short-Term Memory,LSTM)的冷热电负荷多变量预测方法。仿真算例结果表明,与单变量预测模型以及传统负荷预测模型相比,多变量LSTM预测模型可有效提高负荷的预测精度。最后,以系统总运行成本最小为目标函数,以电、冷、热能平衡,出力设备各自容量以及充放电功率上下限等为约束条件,建立了一个混合整数非线性规划模型,采用了一种发电侧、储能侧以及用户侧资源互相配合的含CAES的CCHP系统能量管理策略。验证了加入储能系统以及考虑需求侧响应对系统削峰填谷、平滑负荷曲线以及对系统运行经济性带来的优势。