随着社会经济的快速发展,能源消耗日益严重,如何实现能源高效、合理、无污染地利用成为许多科研工作者面临的主要问题。本文对电热综合能源系统的运行过程进行分析,提出了一种准确的、动态的热负荷预测方法。在此基础上,从系统运行经济性层面考虑,建立了电热综合能源系统的优化模型,采用一种改进的布谷鸟优化算法求解各个热源的出力,使得供热系统的供热量与用户的需热量相匹配,从而实现按需供热的目的,避免综合能源系统在运行过程中不必要的能源浪费,降低运行成本。本文的主要工作如下:第一,针对热负荷预测问题,建立了基于RBF神经网络的综合能源系统热负荷初步预测模型。所建模型不但考虑了光照强度、室外温度、风速等天气因素,而且还考虑了热力系统的惯性,将历史热负荷值纳入到负荷的影响因素之中,保证了预测方法与实际物理状态相吻合。最后结合实际算例,在MATLAB上进行仿真测试,得到初步的神经网络预测值,结果显示预测误差在±20%之内,进而为下文的误差估计方法研究作下了铺垫。第二,针对基于RBF神经网络的热负荷预测模型预测误差较大的问题,提出了RBF神经网络与改进马尔科夫链相结合的精预测方法。该方法针对室外温度和RBF神经网络预测值对预测精度影响较大的实际问题,采用K-means聚类方法按照室外温度和神经网络预测值对历史数据进行分类,针对每种类型的预测误差分别进行建模,进而建立不同的马尔科夫状态转移概率矩阵,再经过数据还原得到预测时刻误差值,以对RBF神经网络预测结果进行修正。仿真结果显示该方法的平均相对误差为1.32%,最大相对误差为5.73%。与单一的RBF神经网络方法和经过基本马尔科夫链修正的方法相比,该方法预测精度较高,能够对实际综合能源系统的热负荷供热分配起到很好的参考作用。第三,针对综合能源系统优化控制问题,考虑环境污染的治理费用,并将预测的热负荷需求值与热源的出力值相等作为约束条件,建立了电热综合能源系统的优化调度模型,并提出了改进的布谷鸟算法进行优化求解。算例表明,通过对综合能源系统内各台设备的出力进行优化调度,可以有效降低系统的运行费用,同时使用改进的布谷鸟算法能够明显提高优化模型的求解速度,从而验证了模型的正确性和算法的有效性。