风电等可再生能源的大力发展,虽然能减少传统化石能源的消耗,并减轻对环境的污染,有利于可持续发展,但是风电出力的不确定性和随机波动性,也给电力系统运行带来了较大的影响。如何构建准确的风电出力模型,更为精确地模拟风电波动过程中电力系统潮流和频率的变化情况,研究适用于风电接入电力系统的优化调度模型与算法,具有十分重要的意义。针对上述问题,本文以构建完备的考虑系统频率调节特性的实时调度模型及其求解方法为目标,分别从多维风电出力建模、考虑风电出力相关性及系统频率调节特性的概率潮流、考虑系统频率调节特性的有功实时调度这几个方面来开展研究。研究了多维风电场出力的概率模型构建、样本获取和场景削减。采用一种降维Pair-copula模型来描述多维风电场的出力预测误差,并通过计及相关性的拉丁超立方采样(Latin Hypercube Sampling with Dependence,LHSD)和近邻传播(Affinity Propagation,AP)聚类的方法获得规模合适的样本和削减后的场景。首先将多维随机变量采用主成分分析或局部保持投影映射到低维空间,再对低维随机变量采用Pair-copula理论进行建模。然后通过LHSD来获取所需的离散风电样本,进一步由AP聚类技术对所获得的样本进行聚类和削减。通过对实测风电数据的建模和仿真,验证了降维Pair-copula模型描述多维风电场出力预测误差的准确性,不仅能很好的捕捉其相互之间的非线性相关性,还降低了模型构建的复杂程度;而LHSD结合AP聚类的样本生成和场景削减方法也十分灵活有效。相比于K-means聚类方法,AP聚类具有分类稳定性好、所获得场景更具有代表性的特点。研究了考虑风电出力相关性的概率动态潮流(Probabilistic Dynamic Load Flow,PDLF),并提出了一种基于降维联合矩法(Reduced Joint Moment Method,RJMM)的解析算法进行求解。通过在传统潮流方程中增设频率待求变量,并增加平衡节点的有功潮流方程,充分考虑了发电机和负荷的功率-频率调节特性,使得潮流计算结果更符合实际运行情况。通过算例测试发现,在含风电接入的电力系统中,概率动态潮流相比于概率潮流,可以得出更真实的潮流分布结果,尤其是能获得系统频率的概率分布;而所提的RJMM方法可以很好的计及风电出力间的非线性相关性。通过局部保持投影降维,大大降低了计算的复杂程度,具有较高的计算精度和较快的计算速度。研究了一种基于PDLF的机会约束实时调度模型及其求解方法。该模型计及了风电随机波动下频率的一次调节和二次调节的影响,使得系统有足够的一次和二次调节容量应对风电的随机波动。通过算例测试,验证了所提出的实时调度模型,相比于传统实时调度模型,能更好的应对风电的随机波动,维持频率恒定。此外,还采用RJMM求取机会约束成立的概率,将机会约束规划(Chance Constrained Programming,CCP)模型转化为二次规划模型,不仅能有效计及不同风电场之间的非线性相关性,使得调度结果更为准确,还能使求解过程得到简化。通过仿真验证表明,与其他常用的CCP求解方法相比,RJMM在求解效率和求解精度方面均有较好的效果。研究了一种基于交流动态潮流的有功实时调度模型及其求解方法。在获取满足相关性要求的风电功率场景基础上,构建基于交流动态潮流的有功实时调度模型,并针对非凸优化问题提出了一种基于同伦连续的求解方法。此外,为了提高求解效率,采用最优条件分解(Optimal Condition Decomposition,OCD)并行求解所提非凸优化问题。通过仿真测试,验证了所提出的同伦连续方法在求解非凸优化问题上有很强的鲁棒性,与其他方法相比,该方法不仅迭代次数少,计算时间短,还能有效克服传统方法对初值敏感、难以处理病态条件等缺点,具有更好的收敛性;而所提出的基于OCD的并行求解方法能显著提高求解速度,具有在线实时应用的潜力。