近年来,智能电网电力资源调度受到了越来越广泛的关注。分布式经济调度问题作为智能电网操作运行的基本问题之一,旨在设计分布式算法,使系统在满足发电机组发电安全限制的约束下,能以最小的供电成本运行并且生产用户所需的总电能,实现资源的最大化效用。本文利用图论、凸优化知识、概率论以及李雅普诺夫稳定性理论等相关工具,研究了具有异质时滞的经济调度问题及通信具有不确定性的动态经济调度问题。本文的主要研究工作归纳如下。第一,研究了具有异质时滞的分布式经济调度问题,该问题的目标是设计可以补偿异质时滞的分布式策略,同时可以提供差分隐私保护(隐私保护作为信息物理系统安全运行的基本先决条件之一变得越来越重要)。为此,我们对每个智能体设计状态预测器用以补偿时滞造成的影响,并基于预测器提出一个分布式梯度下降算法更新发电设备的输出状态,从而保证系统能够渐近得到最优解。此外,我们将隐私保护策略引入所提出的算法,实现对智能体隐私信息的保护,并精确地表征出算法的收敛性、差分隐私性以及准确性。第二,我们研究了智能电网的动态经济调度问题,区别于上述的经济调度问题,我们需要考虑爬升约束的限制。我们的主要目标是设计可以抵消通信不确定性的分布式算法。为此,我们提出了一种自适应权重技术使得调度算法能够自主选择邻居发电设备之间的连边权重。基于自适应权重技术我们提出一个分布式原始-对偶一致性算法,并证明在该分布式优化算法下,带有通信不确定性的动态经济调度问题的最优解可以渐近达到。