21世纪以来环境问题日渐凸显,“双碳”目标背景下,提高多种能源利用率、降低弃风弃光的区域综合能源系统（Regional Integrated Energy System,RIES）已被认为是解决能源问题的主要手段之一。本文以工业园区RIES为研究对象,以RIES更经济环保运行为目标,重点针对RIES子系统建模、基于环境变量的能量供给侧和用户端负荷侧预测技术、系统运行最优化建模和求解以及RIES储能容量配置双层优化问题求解等方面展开研究,以提高综合能源系统的可再生能源的消纳能力。本文首先分析RIES中各部分的能量耦合关系,构建了考虑电、热、压缩空气三种能量形式的工业园区综合能源系统模型,并详细分析了各部分设备的工作特点和运行约束。构建双隐层神经网络模型利用数值天气预报（Numerical Weather Prediction NWP）实现新能源出力预测并进行热负荷预测。在此基础上,以系统整体运行成本最小化为目标函数构建综合能源系统运行优化模型。改进了粒子群算法完成模型求解。针对新能源出力预测误差对影响优化效果的问题,利用预测误差特性建立系统运行随即优化模型。首先分析新能源出力预测的影响因素,利用预测箱法对预测的误差进行分段统计和拟合,获得预测误差的分布特性,在此基础上,建立场景法随机优化模型;考虑模型非线性、维度高的特性,提出了自适应批量模拟退火算法（Adaptive Batch Simulated Annealing,ABSA）,通过自适应限制批量解决了维度高带来的算法收敛效果差的问题,同时提高模型求解速度。实验表明相比于确定性优化过程,场景法优化的流程考虑了预测的不准确性,所得结果更优。为实现RIES储能配置优化,基于园区RIES架构,以计及储能投资成本和系统运行成本的总成本最低为优化目标,以储能的规划约束和系统的运行约束为约束条件,建立了RIES的规划-运行双层优化模型,实现储能优化配置。针对双层优化带来的高维数据计算,设计K-means聚类算法降低带入求解的数据量,并研究了聚类数量对聚类结果和优化所用时间的影响,兼顾RIES储能容量以及每个典型日运行优化的准确性和算法复杂性。设计了园区RIES运行优化及储能容量规划软件,支持自定义RIES中各部分的参数以及用户导入数据,对不同结构不同初始条件的系统具有较好的适应性。