风力发电是目前发展前景最大的可再生能源发电,并且其技术已经比较成熟。为了更加充分有效地利用风电,降低系统的运行成本,寻找更加合理的调度方案和更有效的求解方法具有重要意义。本文根据风电场的特点及系统优化运行的要求,对风电场并网的动态经济调度模型和求解方法进行研究分析。首先,介绍传统的动态经济调度模型,并采用一种具有很强全局搜索能力的化学反应优化算法来求解模型。同时采用一种自适应罚函数法来优化模型约束条件,充分地利用满足各函数约束条件的难易程度,自适应地动态调整每个约束条件的惩罚系数,防止了惩罚力度的过小或者过大问题。通过在四种不同规模的动态经济调度模型中仿真,以此验证本算法在该领域上的有效性。其次,对风电并网给电力系统运行带来的影响进行了研究分析,根据风电出力波动性及不可控性等特点,对系统引入风电场穿透率指标的正、负旋转备用约束,建立风电并网的确定性动态经济调度模型。然后针对化学反应算法的收敛速度慢的缺陷问题,提出了一种精英反向学习化学反应差分优化算法,利用自适应差分算法结构简单、收敛速度快且控制参数少的特点,以及精英反向学习策略的特性,将三者相融合应用到动态经济调度领域中。同时在以发电成本和污染物排放量为多目标优化问题上,采用一种虚拟解理论,通过多目标和虚拟理想解的距离转化成单目标问题求解,以此来降低问题复杂性。通过系统测试仿真计算,并与原算法相比较,证实了改进后算法的有效性及更快的收敛速度。最后,在含风电并网确定性动态经济调度模型基础上,提出了一种融合备用约束以及随机性的调度模型。将风电场的有功出力波动性通过场景分析来模拟实现,通过采用拉丁超立方方法对风电有功出力预测值进行抽样,并采用概率距离中的快速前代消除方法来进行场景压缩,得到若干个能够很好体现风电波动整体性的微场景,确保随机性模型能够满足不同风电出力波动带来的影响。通过利用本文提出的精英反向学习化学反应差分优化算法来求解所构建的随机性动态经济调度模型,结果验证了该模型的有效性及经济性。