风电具有较强的随机性、间歇性和反调峰特性,相比常规电源可调控性差。随着大量风电场陆续建成并投入运行,风电的优化调度问题成为目前热门的研究领域之一。含风电的电力系统优化调度不仅要处理风电的不确定性,还需考虑其它电源的效益以及众多的物理约束条件,是一种复杂的约束优化问题。由于传统调度方法主要基于确定性电源制定调度方案,已经无法满足风电并网的实际需求,为了合理消纳风电并保证电力系统的安全稳定运行,当前亟需研究新的调度理论和优化方法。含风电的电力系统优化调度包含两个核心问题:如何建立调度模型和调度模型如何求解。本文紧密围绕这两个核心问题,在求解算法的分析和改进、含风电的动态经济优化调度、滚动优化调度以及多目标优化调度等方面进行了研究和探讨,取得了一些具有理论意义和实用价值的研究成果。主要的研究工作和成果包括:(1)针对风电优化调度的求解问题,提出了两种优化能力更强的改进粒子群算法。首先,结合图论和信息论对粒子的邻居结构进行了分析,通过对粒子携带信息量的二进制化,从信息传播角度研究了粒子邻居结构对算法性能的影响。在此基础上,提出了一种邻居结构动态变化的改进单目标优化算法,通过改变邻居结构可以控制粒子群的信息传播速率,达到平衡算法收敛速度和搜索能力的目的。数值计算和调度算例分析表明,改进后的算法寻优能力更强、优化效果更稳定。其次,对传统多目标粒子群算法进行了改进:利用均匀初始化的方法增强初始阶段粒子在搜索空间中的均匀性;基于最小生成树理论对非支配解集进行维护,提高了非支配解集的均匀性;此外,在引导粒子选择等方面也进行了适当改进。通过与其它常用多目标优化算法进行对比,验证了改进后的多目标粒子群算法具有收敛速度适中、寻优能力强、非支配解分布均匀的特点。(2)采用非参数核密度估计方法描述风电预测误差,并基于粒子群算法对非参数估计的窗宽进行数值优化,降低了确定窗宽参数的难度。风电场实际误差数据分析表明,非参数估计具有较强的适应性,比传统的参数估计方法拟合优度更高。在非参数估计研究的基础上,建立了含风电的动态经济调度模型。以风电场历史预测误差数据为参考,研究了某预测值条件下的条件误差概率分布,推导了高斯核函数对应的误差置信区间。通过误差置信区间,将动态经济调度中涉及的不确定性问题转换为确定性区间问题。算例分析表明,计及预测误差区间的动态经济调度能够避免高估或低估风电预测误差,提高了调度方案的经济性。(3)以预测控制理论为基础建立了含风电的滚动优化调度模型。将常规火电机组的有功出力视为预测控制的状态量,出力调整量视为输入量,以状态空间的形式描述状态量和输入量之间的关系。通过对目标函数和约束条件进行状态空间转换,使滚动调度问题转变为矩阵形式的优化问题,建立了一种多机组、多预测时段的滚动优化调度模型,解决了以往滚动调度中无法充分利用最新预测信息的问题。同时根据调度模型的特点对目标函数和约束条件进行了化简,推导了全矩阵约束时的内点法增量矩阵,便于应用内点法进行求解。针对内点法初始点选择难的问题,结合前文提出的改进单目标粒子群算法对初始点进行了筛选。调度仿真表明,相比传统的单时刻优化,本文提出的滚动调度模型优化效果更好,调度决策也具有前瞻性。(4)建立了包含风电、火电、水电和储能的多目标优化调度模型。在优化目标中综合考虑了调度方案的经济性和环保性,此外,还将弃风弃水量加入到了优化目标中,体现了对清洁能源消纳的重视。针对调度模型中约束条件众多、可行域小的特点,将违反约束量作为一个独立目标进行优化,使得求解算法能够加强对约束边界的搜索。最终的调度模型包含了经济性、环保性、清洁能源利用率以及违反约束量四个优化目标,降低了多目标约束优化问题的求解难度。针对非支配解的选择问题,提出了基于满意度标准差最小的筛选方法,保证了目标之间的公平性。仿真算例表明,本文提出的多目标优化调度模型实现了不同类型电源之间的联合优化,充分发挥了水电和储能调节作用,可以有效地避免“弃水保风”现象的出现,与传统的环境经济调度方法相比,提高了清洁能源的消纳能力。