随着世界经济的高速发展,传统的集中供电方式暴露了许多不足,急需新的供电方式对传统供电进行补充。冷热电联供的诞生一定程度的弥补了部分缺点。其对能源合理的梯级利用使得能源危机得到缓解,但是能源类型的多种多样也给能量的调度带来了许多困难。因此对能量的优化调度成为现今能源技术研究的重要内容。本文针对在调度过程中,因冷热电负荷与光伏出力的不确定性给调度带来的困难提出了一种基于动态模糊神经网络与混沌时间序列结合的方法,该方法能够很好的降低联供系统中各量的不确定性。在各变量能够预测的基础上建立一个考虑即能考虑经济性又能充分体现环保性和节能性的调度模型,并在仿真的基础上分析了调度的合理性。本文研究的主要内容包括:首先,在数据和理论的基础上分析冷热电负荷及光伏的时间序列混沌特性,并针对这些不确定量的该特性建立混沌时间序列的重构相空间,新的相空间具备原动力系统的全部特性。在构建中考虑了大量数据的变异性提出了数据的处理方法,缓和了数据变异对相空间的影响。然后,用新构造的相空间训练动态模糊神经网络,使得训练出的神经网络能够预测次日的冷热电及光伏出力的变化趋势,为调度提供确定的约束条件。并针对冷热电与光伏出力分别进行预测仿真,验证预测模型的准确性。最后,提出了一种在冷热电与光伏出力确定的情况下,充分考虑热力性能、经济学性能、环保性能的能量调度模型,该模型能够很好的适应联供系统组成多样性的要求,并以改进的粒子群算法对模型求解得到能量的配置。本文的工作可为具有不确定性的冷热电联供系统提供能量优化调度提供建议,提高能源利用率,降低调度的复杂程度。