随着化石能源过度使用,以风电、光伏为代表的清洁高效可再生能源作为能源危机的有效应对途径,在电力系统中得以广泛应用。然而风速、光照强度受环境影响具有间歇性、波动性、随机性,从而不可避免地导致风光输出功率出现预测误差与不确定性。因此在大力发展可再生能源的背景下,系统内不确定性总量也随着风光渗透率的提高而不断变大。而微电网作为融合可再生能源与大电网的重要形式,大量的不确定性将对微电网的经济可靠运行带来巨大扰动。为了更好地利用可再生能源,确保微电网实现经济高效、可靠稳定的运行,本文从解决源荷预测误差与不确定性对系统的扰动入手,研究微电网的经济优化调度问题,本文的研究主要包括以下方面:1)讨论了能源危机背景下各国对微电网的研究现状。并以一个包含风力发电、光伏发电、柴油机与储能的微电网系统为研究对象,建立了相关数学模型。2)提出了一种多时间尺度优化的调度方法。在日前长时间尺度,通过拉丁超立方采样（Latin Hypercube Sampling,LHS）通过离散连续的风电、光伏出力与负荷需求的累计概率分布模型进行抽样,再通过同步回代削减法获得可以代表其特性的典型场景集,并选取发生概率最大的场景进行经济优化,采用粒子群算法（Particle Swarm Optimization,PSO）求解日前模型获得经济优化调度计划,日内采用模型预测控制（Model Predictive Control,MPC）以跟踪日前经济优化调度计划为目标,依据实际运行状态,实时滚动修正调度计划。3)针对随机优化场景法的缺点,提出在日前采用鲁棒优化应对源荷预测误差与不确定性的低频分量,并建立考虑电价型需求响应的鲁棒优化经济调度模型,以使获得的调度计划能够适应日内实际运行状态发生大范围波动的情况,并采用PSO求解模型获取日前鲁棒经济优化调度计划。日内采用MPC实时滚动优化以应对源荷预测误差与不确定性的高频分量,实时滚动修正调度计划。4)最后对本文的研究成果进行总结,并展望了多时间尺度滚动优化调度后续研究方向。