在传统的电力市场市场中,由于负荷预测误差小,只需要根据负荷预测值确定日前市场购电量,当实际负荷与预测负荷不同时,再调用备用容量并付出相应的能量费用即可满足功率平衡。然而随着风电并网规模的增大,风电输出功率的不可预测性使得弃风问题越来越严重,为了增加风电的接纳水平,减少弃风电量,需要在日前市场购电优化中考虑风电输出功率的不确定性,并结合备用容量市场和实时能量市场制定更合理的日前市场购电计划。本文主要研究内容如下:首先,用区间表示实时市场电价的不确定性,联合考虑日前市场和实时市场,用鲁棒优化方法建立含风电的联合市场鲁棒优化模型。并在求解鲁棒优化模型时,分析量子粒子群算法静态特性的不足,提出相应的改进方法,用改进的量子粒子群算法求得联合市场最优的购电方案。通过联合市场和分开市场购电结果对比可知,采用联合交易可以得到更优的购电方案,且随着风电并网规模的增大,风电偏差功率随之增大,采用联合交易方案的经济性也越好。其次,考虑到概率模型需要利用大量的历史数据,利用区间表示风电功率的不确定性,联合考虑日前能量市场和备用容量市场,并结合实时市场的偏差功率,以能量市场和容量市场总费用最小与实时市场偏差功率最小为目标建立含风电的多目标非线性区间优化模型,并将其转换为乐观解和悲观解模型。然后通过分析传统多目标量子粒子群的不足,提出相应的改进方法,并利用改进多目标量子粒子群算法求解得到乐观解和悲观解的帕累托前沿。通过具体的算例分析表明,利用改进多目标粒子群算法求解可以得到更为准确的帕累托前沿,购电决策者可以从帕累托前沿中选择合适的折衷解,为最终决策提供区间参考。最后,同时用区间数表示风电出力的不确定性和实时市场电价的不确定性,联合考虑日前能量市场、备用容量市场、实时能量市场的费用,建立含风电的日前市场购电模型。在确定日前市场最优购电策略时,由于实时市场的能量平衡费用无法确定,考虑购电决策者的后悔心理,以鲁棒后悔度最小为目标得到日前市场最优购电策略。通过具体算例对传统购电方案与本文购电方案比较表明,利用本文购电方案可以有效降低购电决策者的后悔心理,得到更优的购电计划。