En los últimos años, las tecnologías para la utilización de energías renovables han estado en auge. Los sistemas híbridos de energía renovable (HRESs), que integran múltiples fuentes de energía para mitigar las características inestables, impredecibles e intermitentes de una única fuente de energía renovable, se han vuelto cada vez más populares. Sin embargo, debido a la intermitencia e incertidumbre inherentes de las energías renovables, es necesario considerar el impacto de los factores inciertos en la optimización de la capacidad de los HRESs. En el método tradicional de planificación basado en escenarios, al tratar con factores inciertos, es difícil determinar la probabilidad correspondiente al escenario. Además, al aplicar el método de optimización robusta, es difícil utilizar completamente los datos existentes para describir parámetros inciertos en forma de intervalos. Para abordar estas dificultades, este estudio propone un modelo de dimensionamiento basado en escenarios con probabilidad indeterminada (modelo PUSS) para la optimización de la configuración de HRES autónomos y un algoritmo evolutivo multiobjetivo como solucionador de problemas. El conjunto de soluciones obtenido por el método cubre múltiples valores posibles de combinaciones de probabilidad de escenarios y puede proporcionar a los tomadores de decisiones una visión general de las alternativas para el dimensionamiento de HRES bajo diferentes presiones de suministro de energía. Basándose en datos del entorno real y datos de carga de un lugar específico, el modelo y algoritmo propuestos se aplican al dimensionamiento de un HRES típico que comprende generadores eólicos, paneles fotovoltaicos solares, dispositivos de almacenamiento de energía y generadores diésel. Los resultados experimentales muestran que el método PUSS propuesto es tanto efectivo como eficiente.