在能源互联网技术快速发展背景下,能源管理、能源技术和供应都随着多种能源的生产、配置、转换和使用而变得越来越高效、清洁。当前,国内能源发展面临着多方面的压力,这种压力不只来源于外部环境的能源革命,更在于地区发展的环境压力。特别是将能源发展与国内的城市化进展、经济调整和社会发展结合以后,发展可持续的分布式能源系统,来提高能源的使用效率,降低环境污染和减少碳排放都有十分重要的理论意义与现实价值。鉴于此,本文首先阐述了课题的研究背景及意义,对国内外研究成果进行综述,为课题研究奠定理论基础。其次,对光伏发电和风能发电这两种典型的非线性输出能源,构建了两者的出力模型,并分析两者的经济效益、环境效益等,并对其进行评价。再者,对分布式能源的用电负荷进行预测,概述了用电负荷周期,针对用电负荷周期性,将其分为以周为单位周期性、以日为单位周期性及以季节性为单位周期性后,采用水平化处理用电负荷相关数据选取与误差修正,并对分布式能源用电负荷预测的主要路径与数据选取误差修正模型进行构建。再次,采用神经网络对用电负荷进行预测,以某学校建筑物为例,探讨了基于WNN的神经网络预测模型分析了该模型的原理、结构,并对其训练过程予以详细论述,最后,以某学校实验室为例,通过2019年4月份相关数据的搜集,分析某学校实验室某一时刻的用电负荷数据参数,并利用WNN对数据进行训练,构建用电负荷预测模型,通过分布式能源WNN预测结果与验证,得出,WNN能够有效对用电负荷予以优化,WNN可以精准的对分布式能源用电负荷进行预测,网络预测值与期望值无限接近,相信随着训练次数的不断增加,模型预测精度会进一步提升。为确保分布式能源储能得以优化,本文从技术支撑储能优化、多元融合支撑储能优化及方法支撑储能优化三个层面提出了机遇负荷和分布式能源预测的储能优化管理策略。