在我国“三北”地区热电、风电并存,同一区域的热负荷、电负荷和风电出力之间存在一定的相关性,三者之间的相关性会对电力系统调度以及工程计算产生影响,进而影响决策的准确性。特别是在电力系统经济调度中,有必要考虑热负荷、电负荷和风电出力之间的相关性,以制定合理的调度方案,提高风电消纳能力。基于此,本文采用Copula函数作为分析风-电-热三者之间相关性的方法并进行相关研究。首先,基于对热负荷、电负荷和风电出力三者特性分析的基础上,对三种数据进行预处理和归一化处理,利用皮尔逊相关系数分析了热负荷、电负荷和风电出力数据的相关程度,为后面的分析奠定理论基础。其次,搭建基于Copula函数理论的风-电-热相关性模型并分析三者之间的相关性。用核密度估计作为确定随机变量边缘分布的方法,根据二元频率直方图初选合适的Copula函数,选用分步极大似然法进行参数估计,通过欧氏距离评价各Copula模型的优劣,实验算例分析表明,所提方法可以很好地反应变量间的相关结构,在描述相关性时优越于传统的Pearson相关系数方法,为今后的热负荷、电负荷和风电出力数据处理工作提供了有力支持,具有很好的工程实际意义。最后,针对图形观测法选取Copula函数模型具有主观性、选择Copula函数时的局限性及参数估计结果不准确等缺点,采用多元Copula分析工具箱(Multivariate Copula Analysis Toolbox,MvCAT)来分析风-电-热的相关性,它包含各种复杂程度不同的Copula族,依据残差高斯似然函数的贝叶斯框架来推断Copula参数和估计潜在的不确定性,并用混合进化的马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)方法生成Copula参数以及对后验分布的估计,并用拟合优度指标对Copula函数进行排序,选取最优Copula函数模型。算例结果表明,常用的Copula参数估计的局部优化方法往往会陷入局部极小值中。然而,所采用的方法解决了这一限制,也改进了对相关结构的描述。MvCAT还能够评估相对于记录长度的不确定性,这对于多变量频率分析等广泛应用是至关重要的。