中国是一个能源分布不均匀、人均资源匮乏的国家,大力发展可再生能源是保证国家能源安全和稳定的必由之路。风力发电、光伏发电等清洁能源发电过程无污染,而且不会出现资源耗尽的问题,因此具备了火电所不能相比的优点,但可再生能源由于出力随机性和波动性的特点,会给需要持续且稳定供电的负荷带来较大影响,这些缺点限制了风电、光电的使用场景和使用方式,因此如何优化、协调、控制不同能源之间的出力配比是当前面对的一大技术难题。本文针对多能源调度中算法求解精度低、多目标函数冲突、蓄电池充放电经济效益低、可再生能源出力控制难的问题,主要取得以下成果:（1）针对风水火联合调度存在发电成本高、火电出力波动大、水电站调节能力差以及求解的算法精度低的问题,提出基于混合整数线性规划的风水火联合调度模型。通过仿真表明,水电站在蓄水量不同时对调度系统影响很大,而不同的算法在同一模型上求解效率也会有很大差异。针对多能源调度中目标函数经济最优或者环境最优存在冲突,提出了基于Pareto最优的多目标灰狼算法,将粒子群中更新位置的方法引进到灰狼算法中,对算法的收敛性和分布性在标准函数库测试,在没有专家经验时为决策者提供更多选择。（2）针对风-光-储-电日前优化调度中可再生能源利用率低、蓄电池经济性差的问题,提出了基于外点法算法的可平移负荷调度模型,研究了不同时段、不同价格、不同调度方式的用电成本、收益、可再生能源利用率,以及蓄电池充放电对优化调度带来的影响。实验结果表明,可平移负荷模型提供一种柔性供电策略,加入蓄电池后能有效降低用电成本、提高可再生能源利用率。（3）针对日前优化中预测模型准确率低的问题,提出基于模型预测控制的风、光、火双重优化调度模型,利用混合整数线性规划对风光火模型进行日前优化,使用模型预测控制对日内短时段的功率出力进行控制。实验结果表明,模型预测控制能调整有限时域内机组出力,动态跟踪日前调度下发的命令,使可再生能源机组出力控制更加平滑。