以风电为代表的新能源规模化开发和利用使电力系统的结构形态、运行特性与控制方式产生了根本性变革,并带来新的挑战。其突出表现为,风电具有的随机性特点以及目前风电出力的短期预测精度低等问题均给电网调度运行带来较大负面影响,采用传统的经济调度方法已难以应对。因此,研究随机经济调度模型及算法就显得非常必要。本文从风电随机性分析、含风电的电力系统动态经济调度建模及优化算法这三个方面进行研究,具体如下:1)提出了基于场景解耦和异步迭代的多目标随机动态经济调度方法。采用法线边界交叉法将多目标随机动态经济调度问题转化为一系列单目标的非线性规划问题进行求解,并采用和内点法求解。在内点法的迭代过程中,重新排列修正方程的系数矩阵的变量顺序使之变为易于解耦的对角加边结构。并采用异步块迭代的方法,提高对于具有大量场景的大规模系统的计算速度。随着模型中场景数的增加,所求得的发电机出力对于风电随机性的适应性逐渐增强。当该模型应用到某省级电网时,用蒙特卡洛法生成1000个采样场景,变量数达到了16,432,417;等式约束数量为99,101;不等式约束数量为115,319,756,即使采用“求解模型→检测线路约束是否满足→添加未满足的线路约束到模型中”循环(简称“求解→检测→添加”循环)的方法来处理网络约束,不等式约束数量也为49,686,237。这个非线性规划问题的规模仍然十分巨大,我们在高性能计算集群上采用解耦算法并行求解单目标优化问题,将计算时间降至1~3.7小时以内;同样,帕累托前沿上的不同解也可以并行求解。这样两层的并行结构再次加速了该模型的求解。2)提出了基于混合Copula函数的风电功率相关性分析方法,并应用于随机调度问题的建模。多风场出力存在一定的相关性,而不同的Copula函数可以捕捉到不同数据之间的对称性关系,非对称性关系和尾部相关性等相关性信息。因此,利用Copula函数对这些相关性信息进行分析并生成多风场出力场景可以为电网随机调度带来方便。基于混合Copula函数理论提出一种新的误差场景生成方法,并验证了该方法在随机调度中的有效性:合理的选择混合Copula法的相关参数后,该方法对于多风场出力的拟合效果优于单一Copula法;当风电接入采用多风场并网的方式时,新的误差场景生成方法优于假设预测场景的误差分布呈正态分布的误差场景生成方法,更有利于系统对风电的消纳。3)对六种典型的处理随机风电的动态经济调度模型的计算规模、求解效率和优化效果进行对了比分析,这些模型包括:考虑正负旋转备用约束的确定性模型、引入机会约束的随机模型、基于概率最优潮流的随机模型、基于场景法的确定性模型、考虑极限场景约束的确定性模型和抽样平均近似模型。当调度中心不具备高性能计算环境时,可采用含正负旋转备用约束的确定性模型、引入机会约束的随机模型、基于概率最优潮流的随机模型或考虑极限场景约束的确定性模型实施快速求解;当调度中心具备高性能计算环境时,可采用基于场景法的确定性模型或抽样平均近似模型,并借助并行计算实施精确求解。