区域综合能源系统是包含电、热、冷等多种类型能源的体系,其一方面可以实现多种类型能源(电能、热能、冷能等)协调互补,实现不同能源的梯级利用,提高能源的使用效率,另一方面可以实现不同能源间的互联互通,扩大社会的用电需求,从而促进以光伏、风能为代表的可再生能源的消纳,一定程度上缓解“弃风”“弃光”的现象。区域综合能源系统的构建对于促进清洁能源转型,提高可再生能源的占比具有显著的意义。精确的能源需求预测是区域综合能源系统规划设计、运行设计和能量管理的必要前提,具有重要的实用价值。本论文以区域综合能源系统中的短期预测为目标,分为用能侧预测和供能侧预测。用能侧预测是指对含电、热、冷的多元负荷进行预测。首先,从月级、周级、小时级多个时间尺度对单一负荷及多元负荷间耦合关系进行详细分析。其次,通过K-MEANS算法对多元负荷的场景进行用能模式聚类,并提取典型日负荷曲线。引入COPULA理论对不同典型日下的电-热,电-冷相关性进行定量分析。然后,通过绘制电-热、电-冷在典型场景下的散点图,拟合出负荷间的函数关系,为高阶特征变量的提取提供了依据。最后,采用蝙蝠算法优化的极限学习机模型对不同的负荷进行预测,通过算例对比分析,本文所提出的方法可以有效提高多元负荷的预测精度。供能侧预测则是以光伏功率预测为例,对区域综合能源系统中的光伏发电功率进行短期预测。首先,基于COPULA理论对影响光伏发电功率的因素进行相关性度量。其次,针对光伏发电功率与辐照强度高度相关的特性,提出一种相似日选取方法,即选取非线性相关性最高的辐照强度作为相似日选取的依据,采用K-MEANS聚类算法对样本的辐照强度序列进行聚类,计算每一类的类重心坐标矩阵。接着,通过计算待预测日辐照强度与每一类重心坐标的绝对值距离,选取总的绝对值距离最小的样本类作为预测模型训练的样本。最后采用随机森林模型进行预测,利用网格搜索算法对随机森林模型中的决策树棵数和分裂属性值进行优化,有效提高了光伏发电短期功率预测的精度。