近年来,开发以风能、光伏（Photovoltaic,PV）为主的零碳能源已成为全球能源发展的必然趋势,发展多种清洁能源互补发电也成为我国能源战略研究方向之一。梯级水光风蓄（Cascade hydro-PV-Wind-Pumped storage,CH-PV-Wind-PS）互补发电技术将小型梯级水电（Small cascade hydropower stations,SCHS）、PV、风电和抽水蓄能电站（Pumped storage power stations,PSS）联合起来,实现水光风互补发电,提高风光消纳水平。针对我国西南地区某示范CH-PV-Wind-PS发电系统,本文开展日前调度优化算法研究。一方面,基于一种改进混合智能优化算法,开展CH-PV-Wind-PS日前互补调度优化研究。首先,通过对各电站出力原理和影响因素进行分析,建立了各自发电模型。其次,基于各电站之间的短期互补特性,考虑并网条件下多种安全约束,以梯级日耗水量最小、剩余负荷标准差最小和日发电效益最大为目标,建立了多目标调度模型。在此基础上,基于多目标粒子群算法（Multi-objective particle swarm optimization algorithm,MOPSO）和基于参考点的非主导排序遗传算法（Reference-Point-Based Non-dominated Sorting Genetic Algorithm,NSGA3）的寻优原理,提出了一种使用双种群优化策略的混合智能算法。通过使用多目标测试函数、反世代距离（Inverted Gneration Distance,IGD）、以及间隔指标（Spacing,SP）对算法性能进行评估。最后,以西南地区某示范CH-PV-Wind-PS发电系统枯水期典型日运行数据为基础进行相关仿真。仿真结果表明:所改进的混合智能算法较于单种算法和改进前的混合算法在求解多目标问题时表现出优越性,调度结果在满足负荷需求的前提下,节约了水资源并提高了调度效益。另一方面,开展考虑多种不确定量的CH-PV-Wind-PS日前随机互补调度策略的研究。首先,考虑到多随机量的日前预测误差及其之间的差异,使用场景生成和约简技术,对负荷需求、风电、PV、SCHS的区间天然来流、日前电网电价等5种随机量进行建模。其次,从系统供电的安全性、连续性、可靠性和经济性出发,同时考虑到并网条件下的多重安全约束,建立了日前随机调度模型。最后,以西南地区某示范CH-PV-Wind-PS发电系统枯水期典型日运行数据为基础,使用改进混合智能算法对随机调度模型进行求解。结果表明:各种随机量会带给日前调度工作不利影响,考虑各随机量的预测精度差异可以削弱这些不良影响,并获得更好的供电安全、可靠性、连续性和经济效益,增强了互补发电系统日前发电计划的合理性。