电力系统中长期规划和运行调度均涉及对大量的场景和方案进行分析评价。风力和光伏电站的输出功率随风能和太阳辐射变化,受天气、季节、区域等变量影响具有较强的随机性、波动性和间歇性的特征。风电/光伏的大规模并网影响电力实时平衡威胁电网安全,对电力系统规划和运行提出更高的要求,对提高电力系统风电/光伏发电并网接纳能力提出严峻挑战。场景分析过程中考虑风/光电出力和负荷变化的随机性、不确定性等特征会进一步增加计算复杂和计算时间。为兼顾计算效率和数据变化特征,本文研究了一种典型场景缩减方法,对计算区域内大量风/光电出力和负荷原始数据进行聚类划分,以精简数据、减少计算量,形成能够反映计算周期内历史数据变化特征的典型缩减场景集。研究典型场景缩减方法对电网规划设计、风/光电接纳能力评估、电源优化配置、储能规划及运行调度等都具有重要意义。首先本文重点研究了电网系统中风/光/负荷的场景特性和电力系统规划、运行中涉及的风/光/负荷场景分析问题。研究了风/光/负荷的随机性、波动性和间歇性等固有特性,同时对风/光/负荷的日内、日间和季节数据统计变化规律进行了分析。本文较全面的对电力系统研究领域涉及的场景分析方法进行了总结,包括场景生成方法和场景缩减方法,并在确定性的场景缩减研究基础上提出了一种典型场景缩减方法。本文针对典型场景缩减方法中涉及的聚类分析算法关键技术进行了系统介绍,重点研究了一种改进的k-means聚类算法,并使用该聚类算法进行场景缩减、合并。为检验基于改进的k-means聚类算法进行场景缩减分析的有效性,本文分别选取年度风电/负荷综合场景集数据和月度风电/光伏/负荷综合场景集数据对k-means聚类方法进行了有效性检验。最后,为进一步论述本文提出的典型场景缩减方法的有效性和工程应用价值,本文将所得典型缩减场景集数据分别用于大电网风电接纳计算和微网经济运行优化计算中,对生成的典型缩减场景集进行场景评价指标计算和定量分析。