近年来,风资源因其无污染、低成本等特点得到广泛关注。由于风电的随机性和波动性,大规模并网会对系统带来巨大的不稳定性。储能系统的削峰填谷和电锅炉电热耦合的特性,使得二者在促进风能消纳方面得到广泛应用。另外,电力系统调度模型越发复杂,多维、多约束以及非线性模型的求解给学者们带来了一定的挑战。因此,如何建立合理的调度模型促进风电消纳,如何对优化模型进行快速、准确的求解,成为此领域的研究热点问题。基于此,本文研究内容如下:(1)针对电力系统动态经济调度模型的最优化求解问题,提出了一种改进反捕食粒子群算法。该算法在具有规避行为反捕食粒子群速度更新公式中加入了社会规避惯性权重,其大小由全局最差粒子与其他粒子之间的距离所决定,并将距离进行归一化处理后利用Sigmoid函数的特性和线性递减方法将惯性权重控制在合理范围内,提高了粒子规避差解的能力。接着,根据加速系数调整粒子的局部搜索和全局搜索能力的特点,提出非线性策略以提升算法的寻优能力。最后,利用改进算法求解测试函数和调度模型,验证了所提算法的有效性和优越性。(2)为解决风电预测误差造成的问题,提出了基于风电预测误差估计的动态弃风惩罚因子。首先,研究与风功率预测误差相关的多个参数,分析各个参数与预测误差的相关系数,以相关系数较优的参数作为风功率预测误差的估计指标,计算出各个指标的权值,得到风功率预测误差的估计值。然后,将动态弃风惩罚因子引入到调度模型中,通过估计出的预测误差值实时调整弃风惩罚因子,降低风电预测误差对电力系统的冲击。最后,通过算例分析验证了预测误差估计方法的准确性和调度模型的合理性。(3)为应对风电不同频段波动特性带来的问题,提出了基于变分模态分解(Variational Mode Decompoisition,VMD)的电热综合系统多时间尺度调度模型。日前调度中,利用VMD将风电日前预测值分为长期、中期、短期三层分量,第一层风电长期波动分量用来制定机组启停、机组和电锅炉初步出力。日内调度中,利用VMD将风电日内预测值分为三层,第一层风电长期波动分量用来对机组和电锅炉初步出力进行一次修正。实时调度中,将风电实时预测值分为三层,第一层长期波动分量用来对机组和电锅炉出力进行二次修正,第二层风电中期波动分量与能量型储能装置(蓄电池)响应速度相适应,用来确定该储能装置的充放电计划。第三层风电短期分量与功率型储能装置(超级电容)相适应,用来制定其充放电计划。最后,通过算例分析验证调度模型的合理性。该论文有图27幅,表18个,参考文献94篇。