在融合高比例可再生能源的分布式能源系统中，供能侧的高度不确定性和需求侧的波动性，不仅限制了供需匹配性的提升，而且可能引起能量的无秩序流动，从而导致整个系统的更大熵增。为此在经典热力学熵分析方法基础上，通过引入信息的“负熵”作用，并充分利用能量流与信息流的高效耦合机制，试图找到促进整个分布式能源系统负熵转化的规律，从而提升分布式能源系统供需匹配性，为可再生能源的大规模应用提供支撑。基于热力学熵与信息熵对于系统微观状态不确定性的内在含义一致性，对基于能量与信息耦合的分布式能源系统供需匹配提升机制进行了全面深入的研究。
　　首先，通过对信息热力学在微观过程能量与信息关系研究的梳理，在宏观系统中定义了广义信息功。明确了在分布式能源系统研究中，采用考虑不确定性的方法来描述系统未知的状态，而信息的作用是降低系统的不确定性。信息通过对不确定事件的度量从而具有了能量属性。信息的能量属性表现为广义信息功，但并不是由信息直接做功，而是在信息的控制下，原本由于不确定性存在而不可做功的部分，变成有用功输出，而这部分功认为是广义信息功。
　　然后，研究了考虑多重不确定性的分布式能源系统建模方法，基于信息熵理论量化了不确定输入参数和系统性能之间的依赖关系。以太阳能集热与空气源热泵互补供热系统为例，由环境参数不确定性引起的系统性能波动会随着建筑保温性能的提升而降低。在此基础上，研究获得了典型城市的可以确保供热成本低于设计值的概率达到95%的太阳能设计辐射值：西安为243W/m2，天津为286W/m2，银川为485W/m2，拉萨为658W/m2。
　　在包含多重不确定性建模的基础上，定量的分析了信息作为负熵引入对系统供需匹配提升的影响。针对一典型的分布式能源系统案例，采用系统总熵变(ΔStot)和本址发电满足负荷占比(OEF)作为评价参数，基于帕累托最优解进行了多目标优化方法，获得了分布式能源系统容量优化配置。在此基础上，针对负荷预测这一在分布式能源系统中典型的信息利用过程，量化分析了负荷预测精度对系统不确定性的影响，并和储能的作用进行了比较。
　　接着，详述了能量与信息耦合理论在分布式能源系统优化方面的应用。针对一实际的太阳能集热与热源塔热泵集成的多能互补供热系统，首先采用短期测试的方法测试了系统的太阳能保证率为47.77%±1.58%。然后采用?分析方法，优化了系统运行方式：通过增加蓄油装置，并优化导热油运行温度为105℃，使系统供热季的太阳能保证率提升至53.04%。最后，采用基于能量与信息耦合的系统优化方法，利用该实际系统，验证了第四章所提出的通过增加系统的负熵来提升分布式能源系统供需匹配性方法的可行性，还验证了第三章获得的“由环境参数不确定性引起的系统性能波动会随着建筑保温性能的提升而降低”的结论。
　　最后，提出了模型利用信息量的评价方法，可用于对模型利用的输入参数的信息量进行评价。以光伏为例，基于光伏发电的物理过程建立了热电耦合的理论模型(TH-model)；以实际监测数据为基础，根据输入参数的数量不同，分别构建了七参数(BP-7)、五参数(BP-5)和三参数(BP-3)的BP人工神经网络模型。从模型准确性角度，BP-5模型准确性方面高于理论模型。在光伏功率预测模型的信息利用量方面，理论模型所能够利用的信息量已经与数据驱动的模型接近。