大规模风电的集中接入给电力系统的自动电压控制(Automatic Voltage Control,AVC)带来了深远影响,传统以确定性优化为基础的AVC面临着严峻挑战。如何应对风电注入功率的随机性与间歇性,实现各层级电压控制间的相对解耦,各类调压设备之间的时空协调,成为保障电力系统安全经济运行的关键。本文提出风电并网电力系统电压无功控制的概率决策方法。针对电压控制中所涉及的关键技术:主导节点选择,控制区域划分以及随机无功优化方法进行深入研究,其主要研究内容如下:为考虑风电注入功率与系统负荷的随机性对主导节点选择的影响,提出一种考虑源荷随机性的主导节点选择优化方法。在模型的随机性方面,负荷功率采用典型时段的预测值加正态分布的预测误差表征,风电功率采用服从Weibull分布的风速模型转换确定。模型的目标函数为源荷功率随机扰动下维持主导节点电压恒定时的负荷节点电压偏差平方和期望最小,其中的节点电压偏差采用考虑一级电压控制作用的灵敏度确定。模型采用结合场景法的免疫遗传算法求解,其中的源荷功率均采用三个场景表征,负荷功率的场景对应峰、腰和谷荷状态。IEEE 39节点系统的仿真计算和已有文献的对比分析验证了该方法的有效性。传统的主导节点选择方法和无功控制分区方法往往只考虑了一个负荷水平,并且忽略了两者的相互影响。为此,提出一种考虑负荷随机性的主导节点选择和无功控制分区的协调优化方法。其中,负荷功率的随机性采用典型时段的预测值加正态分布的预测误差表征。目标函数有三个:(1)电源对主导节点的可控性最强,其可控性由分区内电源对主导节点的短路阻抗表征;(2)主导节点对本区域负荷节点的可控性最强,其可控性由考虑二级电压控制作用的电压控制灵敏度表征;(3)主导节点对其他区域负荷节点的影响最小。约束条件为各无功控制分区满足负荷功率随机扰动下的静态无功平衡要求。模型采用结合场景法的多目标免疫遗传算法求解。IEEE 39和IEEE 118节点系统的仿真分析论证了该方法的有效性。现有随机静态无功优化方法没有区分调压设备的离散与连续调节特性,难以适应AVC的控制决策要求。为此,提出一种考虑离散设备AVC控制决策要求的随机静态无功优化方法。其中,源荷功率的随机性由预测值加正态分布的预测误差表征。模型的目标函数为离散设备的调节代价与优化周期内能量损耗费用的期望值之和最小,约束条件为源荷功率随机扰动下节点电压幅值安全限制要求。模型的离散控制变量为确定性决策变量,其在源荷功率随机变化中维持恒定,而连续控制变量为随机性决策变量,其随源荷功率的随机变化而变化。模型采用结合点估计法的混合智能算法求解,其中混合智能算法采用基于嵌套预测-校正原对偶内点法的并行免疫遗传算法实现。以实测风电场以及系统负荷数据作为输入数据,对IEEE 14节点和IEEE 118节点系统进行仿真分析,验证了所提方法的有效性。现有考虑离散设备调节代价的随机动态无功优化方法,将随机动态无功优化问题降阶为24时段独立的随机静态无功优化问题进行求解,割裂了各个时段之间的耦合关系,可能导致离散设备的频繁动作。为此,提出一种结合源荷功率时序曲线分段的随机动态无功优化方法。其中,曲线分段以各个分段内的源荷功率波动差异程度最小为目标,采用Fisher最优分割法对负荷曲线以及风电注入功率曲线统一分段。源荷功率的随机性由288个时间断面的预测值加正态分布的预测误差表征。模型的目标函数为各个时段的综合调节代价之和最小,约束条件为源荷功率随机扰动下节点电压幅值安全限制要求。模型采用结合点估计法的混合智能算法求解,其中混合智能算法采用基于嵌套预测-校正原对偶内点法的并行免疫遗传算法实现。以实测风电场以及系统负荷数据作为输入数据,对IEEE 14节点和IEEE 118节点系统进行仿真分析,验证了所提方法的有效性。