随着综合能源系统中智能量测设备的增多,数据传输过程中的信息安全问题日益严峻。量测数据的篡改和预测值的随机性大大增加了综合能源系统优化调度的难度。氢气设备的接入虽然有利于综合能源系统的新能源消纳,但氢气渗入后的易燃易爆性给综合能源系统运行提出了更高要求。因此,网络攻击和氢气渗入的双重影响给综合能源系统的安全稳定运行带来了一系列困难和挑战。在此背景下,本文首先分析了虚假数据注入攻击对综合能源系统造成的潜在影响,并提出相应检测方法。对于含氢设备的综合能源系统,分别提出日前优化调度的数学方法和基于机器学习的方法。最后研究了含氢综合能源系统的日内优化方法,并提出了面向网络攻击场景下的短期优化应对方法,保证了系统在攻击场景下的经济性和稳定性。本文主要工作如下:（1）分析虚假数据注入攻击对综合能源系统的影响,并研究了网络攻击在不同能量网络之间的传递特性。提出一种基于机器学习的综合能源系统虚假数据注入攻击检测方法,并针对在量测值修改幅度较小情况下该方法漏检率较高问题,提出了基于冷热网仿真的冷热网虚假数据注入攻击检测方法。形成了以机器学习为主、冷热网仿真为辅的综合能源系统虚假数据注入攻击双重检测机制。（2）建立详细的含氢综合能源系统设备和网络模型,采用混合整数线性规划、条件风险价值和鲁棒优化三种模型进行日前经济调度。算例结果表明,条件风险价值和鲁棒优化均可抵御部分不确定性对系统造成的影响。利用长短期记忆人工神经网络适用于处理时间相关问题的特点,提出了一种基于机器学习的含氢综合能源系统日期优化方法,通过学习历史调度计划生成控制方案。该方法在不确定性较高场景下,对综合能源系统的经济性和日内调整量方面均优于数学规划方法,适合含氢综合能源系统的日前经济调度。（3）在日前优化方法的基础上提出攻击场景下的含氢综合能源系统日内控制方法和防御策略。通过全局约束将日前调度计划和日内经济调度结合,构成日前-滚动-短期三层控制方案。全局约束从日前调度计划经过滚动优化传递给短期优化,不仅可以在正常情况下保证系统在一天内的全局经济性最优,也能在检测到攻击的情况下,由全局约束来不断修正系统关键设备的运行曲线,达到抵御虚假数据注入攻击的目的。最后,结合虚假数据注入攻击检测框架,提出了考虑虚假数据注入攻击的综合能源系统短期控制策略。