在当前节能减排和能源可持续发展的时代背景下,以风电和光伏为代表的大量分布式可再生能源接入电网得到了迅速发展。然而,可再生能源出力易受自然环境影响而具有明显的波动性和不确定性,会对电网的稳定运行造成较大影响,这严重制约了电网对可再生能源的消纳,同时给含高比例可再生能源的风光储及综合能源规划带来了严峻挑战。为此,一系列行之有效的不确定性处理方法被广泛应用于风光储及综合能源规划领域。针对此类不确定性规划的处理方法主要有鲁棒优化（Robust Optimization,RO）、随机规划（Stochastic Programming,SP）、分布鲁棒优化（Distributionally Robust Optimization,DRO）和信息间隙决策理论（Information Gap Decision Theory,IGDT）。现有RO研究中鲁棒性的设定往往偏于保守,且通常采用预设的不确定集合刻画多重不确定性,难以体现各类随机因素实际具有的多态性,导致鲁棒评价过于粗略而难以反映真实的鲁棒度;SP则是通过场景缩减将以区间域表示的不确定集合简化为若干典型场景进行多场景确定性优化,易丧失区间遍历性而难以保证规划的鲁棒性;DRO可使优化结果在经济性与保守性之间取得一定平衡,但从其要求确保最恶劣“模糊场景”下优化解可行的角度来看,仍偏于保守且灵活性不足;IGDT模型在描述关键性的不确定性集合方面同样存在表达过于粗糙的弊端:采用对称盒式集描述各类不确定变量的最大波动区间,难以体现超长时空尺度下各类随机因素实际具有的多态性、以及鲁棒性与不确定区间上下限可能存在的非线性关系。鉴于现有鲁棒优化、随机规划和IGDT等不确定性规划方法存在诸多不足,本文将随机规划和鲁棒优化相结合,综合多场景聚类分析和分类概率区间估计以细化构造置信不确定集合,从而将常规的多场景确定性规划泛化为分类场景集置信不确定区间规划;并进一步与IGDT的鲁棒思想相融合,提出一种新的多场景置信间隙决策理论（Multi-scenario Confidence Gap Decision Theory,MCGDT）:在决策结果所承担的决策风险概率尽可能小的前提下,最大化不确定变量的置信不确定区间以最大化规避不确定性的影响。MCGDT以多维场景聚类细化构造海量不确定性集合,以置信不确定区间描述不确定变量的随机性与多态性,并取消鲁棒系数主观设定,可实现更为准确而合理的不确定性规划。由此,本文以置信间隙决策为理论基础,以应对可再生能源出力不确定性为背景,对置信间隙决策在风光储及综合能源规划领域中的应用问题进行了深入研究和探索,形成了三项研究内容:储能鲁棒多目标优化配置,风光储联合鲁棒规划和综合能源系统鲁棒规划。鉴于本文所构建的规划模型具有非凸非线性、高维不连续和多目标耦合等特点,求解难度很大。为突破常规多目标群智能优化算法普遍存在的寻优深度及速度的瓶颈,本文受交叉熵重要抽样原理和雷达扫描机制的启发,设计了一种新颖的交叉熵-雷达扫描微分进化算法以实现深度寻优和高效求解模型。最后,所提理论与算法的可行性与优越性通过算例分析得到了验证。本文的创新成果可为不确定性电能规划和群智能优化算法提供新思想。MCGDT对于含高比例可再生能源的智能电网优化调度和主动配电网规划等研究也将具有重要的指导意义,并可推广应用到其他不确定性优化领域,具有一定的理论及实用价值。