在传统化石能源逐渐枯竭的今天,风光等清洁可再生能源受到了人们的关注,风光等新能源发电装机容量也随之逐年上升,为了充分消纳风光等新能源,提高系统的能源利用率,综合能源系统(Integrated Energy Systems,IES)的概念应运而生。IES系统的能源利用方式相较于传统的能源单级利用方式,实现了对冷热电气等多种形式能源的多级利用。然而由于IES系统内部设备众多,能量流动形式多样,且不同能源之间存在耦合关系,这就导致了对于其进行能量优化调度的复杂度。需要一种合理的优化调度方式对其进行能量分配,使其能够安全稳定运行。本文针对含风光储的IES系统多时间尺度调度所作的研究工作主要包括三个部分。第一部分针对传统风光负荷功率预测方法难以满足实际优化调度所需精度的问题,采用基于自学习教与学优化算法改进的BP神经网络对风光负荷功率进行预测,并和传统算法对比获得了更好地预测效果。第二部分以经济性和环保性为目标,建立了一种含分时电价策略的0-1混合整数非线性规划多目标规划模型,并分别在夏季,冬季以及过渡季节典型日场景下进行仿真研究,结果表明对于不同季节,利用OPTI工具箱求解上述模型均能实现日前最优调度。第三部分针对日前调度计划值难以直接应用到IES系统中的问题,将模型预测控制策略(Model Predict Control,MPC)应用到日内实时滚动调度阶段中,并通过施加扰动来观察系统输出变化。仿真结果表明基于MPC策略能够较好的跟踪日前调度计划值以及具有较好的抗干扰能力。