目前,我国风电产业在相关政策法规的激励下得到了快速发展,由于风电出力具有较强的不确定性,大规模风电的接入增加了电力系统调度运行的难度和风险。在此背景下,研究计及充裕性风险的含大规模风电电力系统经济调度问题具有十分重要的理论及实际意义。本文针对风电的不确定性对电力系统经济调度带来的充裕性风险问题,从风险管理角度出发,从降低风险、评估风险和风险决策三个方面展开研究：首先研究风速和风电功率预测方法,提高预测精度以降低风电的不确定性给电力系统调度运行带来的充裕性风险；其次研究风电功率预测误差的概率分布模型,这对电力系统充裕性风险评估和优化调度运行方案具有重要作用；然后提出了电力系统短期运行充裕性风险评估方法,以评估风电和负荷的不确定性造成的极端风险；最后提出了计及充裕性风险的电力系统经济调度模型和风险决策方法,以帮助调度人员做出合理的风险决策,确定最优的经济调度方案。研究了风速和风电功率预测问题。针对超短期风速预测问题,提出了基于Adaboost的改进BP神经网络(Ada_BP)新算法。所提的Ada_BP算法该算法既继承了BP神经网络较好的非线性映射能力,又克服了BP神经网络过拟合特性和容易陷入局部最优等缺点。算例分析表明Ada BP算法的预测精度要高于BP神经网络算法和时间序列算法。针对风电功率预测问题,构建了基于BP神经网络的风电功率曲线模型,探讨分析了风电功率的直接预测法和基于风电功率曲线的预测方法,并以两个地理位置不同的风电场为例,测试分析两种预测方法的预测精度,给出了其适用条件。研究了风电功率预测误差的概率分布模型。针对电力系统所有风电场的风功率总预测误差,验证了正态分布模型的准确性和适用性。针对单个风电场的风功率预测误差,提出了基于正态分布和拉普拉斯分布的时变混合分布模型,通过分析误差概率分布特征和风电功率特性曲线,发现并解释了误差概率分布的时变特性：随着预测时间尺度的增加,逐渐从拉普拉斯分布过渡到正态分布。以风电场储能容量优化问题为例,验证了时变混合分布模型刻画风电预测误差的适用性和准确性。提出了基于条件风险价值(Conditional Value At Risk, CVaR)的电力系统短期运行充裕性风险评估指标和方法。首先建立了电力系统不确定因素的概率分布模型,引入CVaR风险度量方法,构建了新的充裕性风险评估指标：基于CVaR的失负荷风险指标和基于CVaR的弃风风险指标,最后给出了充裕性风险评估方法流程。算例分析表明,与失负荷概率指标和失负荷期望损失指标相比,本文所提评估指标的敏感性较好,能够反映电力系统的不确定性造成的极端风险,验证了所提充裕性风险评估方法的全面性和准确性。采用该风险评估方法可以定量分析不同风电接纳水平和旋转备用容量下的电力系统短期运行充裕性风险,为求解计及充裕性风险的电力系统经济调度问题提供支撑。研究了计及风险的含大规模风电电力系统经济调度模型和风险决策方法。提出了基于投资组合理论的成本CVaR多目标经济调度模型与求解该模型的基于自适应混沌变异的多目标粒子群优化算法(Adaptive Chaos Multi Objective Particle Swarm Optimization Algorithm, ACMOPSO),通过求解该模型可以得到风险和成本最低的帕累托最优解集。为在帕累托最优解集中选择最合理的运行方案,提出了基于边际风险的风险决策方法,从而帮助调度人员根据系统的实际情况和风险偏好选择合理的调度运行方案,以兼顾系统可靠性与经济性。通过IEEE118算例系统分析,验证了本文所提的ACMOPSO算法、成本CVaR模型和风险决策方法的准确性和有效性。