风电是一种储量丰富的清洁能源,在能源结构中占比很大。然而风电具有显著的随机性、波动性和反调峰特性,大规模风电并网时,现有运行的常规火电机组被迫参与系统调峰,增加了电网调度的难度和成本。其次,因为电网结构和负荷水平的限制,电网接纳风电能力有限,造成了“弃风”现象的发生。电力系统场景分析被广泛用于描述风电出力的不确定因素,但场景过多会增加电力系统规划和调度的复杂度。针对上述问题,一方面需要对风电出力的不确定性进行概率建模,提高风电出力预测的精度,并通过场景分析方法将不确定性问题转化为确定性问题来求解;另一方面,在电力系统日前调度中增加灵活性电源,提高系统调峰能力和风电接纳能力。本文首先针对现有风电概率建模需要假设参数分布,不能充分考虑各种随机因素的影响,提出基于非参数核密度估计理论来对风电功率进行概率建模,并给出一种最优带宽改进方法,通过拟合优度检验来检验核密度估计的拟合效果。其次,在场景生成方面,本文重点研究了一种基于不等分预测箱技术,结合多元标准正态分布随机数和逆变换抽样的风电功率场景生成方法。该方法首先建立了风电历史数据概率分布的预测误差功率预测箱,采用非参数核密度估计对预测箱中的误差数据进行拟合。再利用多元标准正态分布随机数对预测箱中的误差数据进行逆变换抽样,然后叠加到点预测上生成风力出力场景。在场景缩减方面,通过计算两个场景之间的距离,选择一定的容许偏差来对原始场景分类,从每一个类中选出一条到其他场景距离最短的场景来代表该类,这个代表性场景称为典型场景,它的概率为这种类型的场景的数量与原始场景数量的比值。通过对大量风电场景进行缩减,达到精简数据、减少计算量的目的。最后,将风电功率典型场景与点预测分别应用于含风电的电力系统日前调度模型优化计算中,验证了所提场景生成与缩减算法在实际工程中的应用价值。