可再生能源的随机性和用能需求的多样性给电力系统的安全经济运行带来挑战,而将多种能源协同运行可以提高系统应对不确定性问题的能力。因此,能有效提高能源利用效率和可再生能源消纳能力的综合能源系统必将成为未来主流能源供应方式之一。如何通过不同能源之间的相互作用提供更大的灵活性,并有效应对系统运行中存在的多种不确定因素,是综合能源系统面临的重要问题。因此,本文聚焦于通过多种灵活性元件耦合的电力系统、热力系统和天然气系统,重点探讨如何应对综合能源系统日前与日内优化运行中的不确定性问题,具体研究内容如下:首先,本文针对风电出力的随机性与波动性,提出了考虑风电时空相关性的场景分析策略。为应对风电的不确定性,首先研究了一种基于预测箱的场景生成方法,本方法利用多元变量的协方差矩阵构建风电的时间相关性模型,以Copula函数为依据构建空间相关性模型,然后根据风电的历史统计特征与预测值建立各预测箱内的累积分布函数,最后将生成的随机数和历史非参数模型进行非线性与等概率逆变换从而生成大规模场景。为降低计算复杂度,提出了一种改进K-means的聚类方法对生成场景进行缩减。为确定最优聚类数目,在手肘法的基础上引入聚类有效性指标,平衡了最终保留场景的类间差异性与类内相似性。最后,提出四项评价指标,检验生成场景的时间相关性、空间相关性、波动性和实测值覆盖率,从而说明所提场景分析方法的有效性。其次,为应对日前调度中的风电出力不确定性,提出了考虑风电时空相关场景的综合能源系统日前两阶段随机调度策略。首先构建了电力系统、热力系统和天然气系统的网络模型,并通过线性化处理解决非凸问题。对多类型能源耦合与转换设备的物理特性进行分析,构建储能装置和热电联产机组、电转气装置、热泵等耦合元件的数学模型。然后构建了日前调度中基于激励的需求响应模型,通过可平移负荷和可削减负荷提高用能侧灵活性。最后基于多场景随机规划理论提出了考虑风电不确定性的日前两阶段随机调度模型,通过协调日前与实时调整两个阶段之间的各机组出力水平,对考虑到不确定性的日前风电曲线进行修正,从而使得日前调度计划尽可能满足了不同实时风电场景下的需求,所得日前调度方案对各实时不确定性场景均具有鲁棒性。最后,提出了基于模型预测控制（model predictive control,MPC）的综合能源系统日内多时间尺度分层滚动调度策略,对日前调度计划进行逐层修正。为使日内调度更加精确合理,考虑了风电及电、热、气负荷的不确定性。首先通过模糊机会约束及模糊隶属度函数建立源荷不确定性模型,并应用清晰等价类将约束条件进行转化。其次,构建了基于可替代负荷的日内需求响应模型以进一步提高用能侧的灵活性。然后,根据不同能源特性及调控时间的差异提出分层控制热、气、电的多层MPC控制策略。通过日内多时间尺度滚动优化逐层缩小热、气、电负荷和风电的预测时间尺度,在考虑响应特性差异的同时,尽可能提高负荷和风电的预测精确度,保证预测信息的实时性。日内调度中的模糊机会约束建立了源荷不确定性模型,而基于MPC的分层滚动优化分时间尺度平抑了不同系统的功率波动,所提日内优化策略在提高系统运行经济性的同时尽可能降低了不确定性与波动性带来的影响。