在现代复杂工业过程中,随机不确定性尤其是非高斯不确定性十分常见,给系统造成的影响也是无法避免的。在以往的研究中,大多假设随机变量服从高斯分布,但在实际的随机系统中,系统输出不一定服从高斯分布,所以对于非高斯系统,原有的采用均值和方差的方法已经不能够完全描述系统的特性,而SDC理论的研究对象恰好是非高斯随机系统。本文以电力系统为背景,在电力系统中,由于太阳能和风能发电的间歇性、随机性和波动性显著增加了电力系统中的不确定性。针对这类问题,本文在风能转换系统和AGC系统中,利用SDC理论来降低非高斯不确定性给系统的输出功率和系统频率造成的影响。由于非高斯不确定性也会给电力系统的DEED造成影响,本文还将多目标CCP理论和智能算法相结合来最小化经济成本和污染排放量,以求取电力系统的最优调度方案。本文的研究工作可总结如下:1.针对受到环境因素影响以及输出特性为非线性的风光混合发电系统,分别对风力发电和光伏发电两个子系统进行MPPT控制,以提高新能源的转化效率,保证风光混合发电系统始终保持最大功率输出。首先,对光伏、风能转换系统进行建模;然后,针对非高斯风能转换系统,设计一种基于SDC策略的MPPT控制方法,而对光伏发电系统采用P＆O法进行MPPT控制;最后,通过仿真验证本章所设计算法的合理性和有效性。2.针对带有不确定性风电输出功率的AGC系统进行建模和控制,保证AGC系统受到不确定性因素影响时仍能让系统频率保持在规定范围内,从而让电力系统能够安全稳定的运行。首先,采用It（?）过程明确地描述非高斯风电不确定性分布,并与AGC系统的常微分方程模型相结合,形式一个广义随机系统模型;然后,使用FPK演化方程将发电源与系统区域控制误差的PDF联系起来,建立最小熵性能指标,对控制输入受限的性能指标采用罚函数方法求解最优控制律;最后,通过仿真验证所设计算法的可行性和有效性。3.针对含有风电并网电力系统的优化决策问题,为保证在风电并网时,电力系统在整个调度周期内污染排放量和经济成本全局最优。本章首先基于多目标CPP理论,构建DEED模型,将发电成本函数和机组的污染排放同时作为目标函数来优化。然后,为避免对CPP模型的直接求解,构造了GMM来处理非高斯随机变量,利用其概率分布函数将CPP模型转化为确定性优化模型,并研究了一种融合BA和PSO算法的混合算法来对模型进行求解;最后,通过仿真验证该算法的有效性和优越性。