电力是我国经济发展的重要驱动力之一，在经济高速发展的背景下，电力需求不断增长，且随着我国经济发展由高速发展模式逐步转换成高质量发展模式，能源结构也在积极升级优化。在电力需求增长的同时，电网负荷峰谷差的快速增长与新能源并网规模的逐渐扩大，对电力系统的调节能力提出了更高的要求。水电站因其良好的调节性能与快速灵活的响应能力，在电网的调峰调频中起着至关重要作用，是电网安全稳定运行的有力保证。然而，在水电站中长期运行过程中，多以电站自身效益最大化为目标编制运行计划，但该计划往往难以契合电网的实际需求。因此，如何在满足自身管理要求的同时更好地适应电网实际需求，仍是目前水电站在制定中长期计划时亟需解决的难题。同样地针对水电站短期调峰调度问题，多数学者从优化角度出发编制电站的调峰运行方案，然而由于目前求解理论与技术的限制，导致优化方案落地生产受阻，因此如何增强水电站短期调峰方案的实用性仍是当下亟待解决的问题。随着风电渗透率的不断提升，以及风电存在的反调峰特性与不确定性，导致电网负荷峰谷差不断增大、波动性越来越剧烈，风电上网能力也因此受到钳制，消纳问题突出，弃风现象严重。在此情形下，风电质量超前评估、多能源联合优化调度问题的建模与高效求解亟需展开深入研究。本文围绕在能源结构调整不断深化的进程中，寻求适应电网调峰需求的梯级水电站中长短期联合运行方式所面临的实际工程问题，以水电能源学、优化理论、统计学及机器学习等为支撑，以三峡电站与华中区域直调电站为研究对象，对以适应电网调峰需求为目标及考虑新能源不确定性的梯级水电站联合运行方式进行研究。本文主要的研究内容与创新成果如下：
　　(1)为提升三峡水电站在中长期尺度下适应电网需求的能力，研究工作以枯水期为调度期，在分析调度期内华中电网负荷特性与负荷时段波动特性以及三峡电站调度期内出力特点的基础上，剖析了电网负荷特性与三峡水电站出力之间的不协调关系。为使电站出力更好地响应电网负荷的波动特性，建立了以电网剩余负荷均方差最小为目标的水电站调峰调度模型，在电站初始出力求解过程中，提出了重叠式分段切负荷法，并采用逐步优化算法对该模型进行求解。此外，为更好地协调水调与电调之间的关系，提出了基于调峰需求因子的约束自适应处理策略以实现水位动态控制。进一步分析了运行方案的调峰效果对水库关键性水位约束的敏感性，得出了有关结论，并提取了三峡水库枯水期水位消落规则，进一步凝练得到了若干条建议，可为三峡水电站在实际运行过程提供科学有效的参考。
　　(2)针对已有水电站短期优化发电调度方案实用性差的问题，研究工作着眼于水电站短期发电调度规则提取，建立了基于长短期记忆网络(LSTM)的水电站短期发电调度模型。为贴合水电站实际调度过程以及耦合调度员实际调度经验并且考虑调度过程中的不确定性因素与适应电网需求，本研究以1天为调度期，1小时为调度时段，结合流域梯级水电站日计划编制流程，以调度期的初末水位、电站一天的来水过程以及电网的负荷过程为输入因子，以时段末水位为决策变量，构建模型训练样本集。采用并行差分进化算法(PDE)算法对模型超参数进行优化，得到适用于能够响应电网需求的水电站日计划编制应用场景的PDE-LSTM短期发电调度模型，形成了融合历史调度过程和专家经验的短期发电调度方法，为调度员在水电站日计划编制工作中提供更多的技术支撑。
　　(3)在风电大规模并网，尤其是风速波动特性存在对馈入电网电能质量具有较大不利影响的背景下，研究工作开展了风电质量的超前评估。通过移动平均法与平稳小波变换得到风速时间序列的瞬时均方差(ISDWS)和瞬时变差(IVGWS)风电质量评价指标，用以描述风速的波动性，从而表征风电质量，并从预测角度出发，对上述指标进行预测以达到对风电质量的超前评估。研究发现，上述指标序列频率成分复杂，难以精确描述风电质量性能，为此，引入前置分解算法分解指标序列得到多个频率成分相对单一的子序列，建立基于改进粒子群算法的最小二乘支持向量机(MPSO–LSSVM)混合模型对子序列进行预测，最后对子序列预测结果进行重构得到能够精确反映风电质量的ISDWS和IVGWS指标，从而有效预估风速的波动性，实现对风电质量的超前评估，为风电调度提供科学依据，以减少风电不确定性对电网的冲击。
　　(4)针对风电时段间存在强波动特性，采用频率分析法对风电时段波动特性进行研究，得到各时段风电波动分布特性，从而推求出一定置信度下风电不确定性场景，并提取出风电典型场景，将所得场景应用到梯级电站厂间-厂内调峰调度双层耦合嵌套模型中，从而将风电不确定性转化为梯级水电站时段耗流容忍度。在此基础上提出了多方案动态规划法对电站厂内经济运行模型进行求解，得到了考虑风电时段波动特性的水电站运行方案集，并建立了考虑机组运行限制区、启停时序和最小耗流的运行方案优选方法，解决了多能源电网风电接入带来的不确定性问题，保障了复杂电网安全稳定运行，为实现区域多能源互补调度和提升清洁能源综合利用效率提供了可靠的技术支撑。