大电网可靠性评估能实现大电网风险水平和薄弱环节的有效辨识,从而可为电网规划和运行提供重要的决策参考,但具有高度的计算复杂性。蒙特卡洛仿真是大电网可靠性评估的有力工具。序贯蒙特卡洛仿真可灵活模拟系统状态的时序相关性,但仿真收敛缓慢;非序贯蒙特卡洛仿真可对空间相关性进行概率建模和抽样,但空间相关性的模拟导致仿真速度显著下降。在工程应用中,大电网风险分级评估能够为规划运行人员提供系统风险级别的预警信息,但涉及多负荷场景下的电网可靠性反复评估,计算耗时严重。因此,在时空相关性建模的基础上研究快速的序贯和非序贯蒙特卡洛仿真法,并将其应用于大电网风险分级评估中,具有重要的理论研究意义和工程实用价值。本文深入研究了基于时空相关性概率建模的快速蒙特卡洛仿真方法及其在大电网风险分级中的应用,主要工作包括:针对序贯蒙特卡洛仿真收敛速度慢(尤其在多负荷场景下评估系统可靠性时)的问题,提出一种基于系统元件状态时序相关性简化模型的快速序贯蒙特卡洛仿真法。该方法基于系统元件状态(由各元件状态组成)特征量的条件核密度估计,建立系统元件状态的时序相关性简化模型并将该模型用于不同负荷场景下系统可靠性的快速评估。采用该简化模型生成系统元件状态的时序序列,将该序列与负荷时序模型相组合以形成系统状态的时序序列,从而有效模拟系统状态的时序相关性并实现系统可靠性指标及其概率分布的准确计算;对每个系统状态都采用其特征量进行负荷削减的简化计算以避免最优负荷削减计算,从而显著提高仿真效率。对RBTS、IEEE-RTS79和含风电场的改进IEEE-RTS79系统的评估分析验证了该方法的有效性。针对非序贯蒙特卡洛仿真计及空间相关性连续变量(如节点负荷及风电场风速等)时仿真效率低的问题,提出了一种基于正态概率空间变换及其分布参数交叉熵优化的快速非序贯蒙特卡洛仿真法。参数模型需采用分布类型假设,从而对不符合该假设的连续变量进行概率建模时难以保证建模精度。因此,本文采用基于数据驱动的高斯混合模型(GMM)对相关性连续变量的联合概率分布进行建模,并采用EM算法估计GMM的参数。在电网可靠性评估中,Nataf变换可用于相关性连续变量的直接抽样。本文则将Nataf变换用于相关性连续变量的交叉熵重要抽样以提高抽样效率:采用Nataf变换将由GMM建模的相关性连续变量变换为标准正态变量,对标准正态变量的概率分布参数进行交叉熵优化和重要抽样;将得到的正态变量样本变换回原连续变量分布空间以得到原相关性连续变量样本,从而实现对原相关连续变量的间接交叉熵重要抽样。对改进的IEEE-RTS79(MRTS)和计及风电场的MRTS(MRTS-WFs)系统的评估分析验证了该方法对相关性连续变量的建模精确性及抽样高效性。针对基于正态概率空间变换及其分布参数交叉熵优化的快速非序贯蒙特卡洛仿真法仅适用于正态copula相依型连续变量的不足,本文提出一种基于GMM参数直接交叉熵优化的快速非序贯蒙特卡洛仿真法。该方法将任意相依型连续变量的联合概率分布建模及交叉熵重要抽样在GMM模型和EM算法的框架下进行了统一,即相关性连续变量的原始联合概率分布和重要抽样函数都采用GMM进行构建,而原始联合概率分布的参数估计和重要抽样函数的交叉熵参数优化都采用EM算法进行实现。与连续变量传统的单峰形式的重要抽样函数相比,相关性连续变量采用的GMM形式的重要抽样函数可以更加有效地捕捉最优重要抽样函数可能具有的复杂多峰形状,从而提高相关性连续变量的抽样效率。对IEEE-RTS79和含多风电场的改进IEEE-RTS79的评估分析验证了该方法在建模相关性连续变量时的精确性以及在相关性抽样时的高效性。针对大电网可靠性评估指标可量化系统风险但难以反映电网风险级别的不足,提出一种基于系统风险随负荷变化关系的大电网风险分级评估方法,并应用上述快速蒙特卡洛仿真法以提高风险分级评估中系统可靠性指标的计算效率。该分级评估方法根据系统N-1校验结果随系统负荷的变化给出了系统风险等级的定义,在系统参考运行方式下采用快速蒙特卡洛仿真法计算多负荷场景下的系统分指标以得到系统的风险分级标准。以参考运行方式下的系统风险分级标准为基准,该分级评估方法将系统在其他运行方式下的系统分指标转换为参考运行方式下的风险等级。通过这一“风险转换”,不同运行方式下系统的风险等级能反映运行方式变化对系统风险的影响程度,为系统的运行方式规划提供重要参考。对改进的RBTS和IEEE-RTS79系统的评估分析验证了该风险分级评估方法的有效性。