随着可再生能源如风能、太阳能等大规模地参与并网发电，以及需求侧资源如可控负荷、分布式储能、电动汽车等的主动接入，现代电力系统的长期可持续性和灵活性得到了大大增强，但与此同时波动性和不确定性也接踵而至。愈加复杂的电力系统使传统的优化调度工作难以高效进行，具体表现为电力系统设备运行的调度信息难以通过快速计算及时获取，以及源-荷双侧不确定性对电网优化调度产生未知的负面影响。为了应对上述问题，需要研究在计算上更加高效的电网调度控制或优化算法，并从概率学视角对源-荷双侧不确定性进行建模和分析，以期转变传统的确定性电网优化调度思路，适应不确定性下电力系统优化调度的新要求。基于此，本文针对可再生能源及需求侧资源高渗透率接入的情况下电力系统优化调度所面临的困难进行了深入的研究，主要研究内容和成果如下：
　　针对电力系统的暂态运行特性，提出考虑了电网暂态经济效益和运行安全性的实时经济调度预测控制模型，求解该预测控制模型是一个动态的滚动优化过程。传统的基于偏导的解析求解方法需要进行大矩阵求逆，故运算量巨大且容易出现病态矩阵问题，不能满足实时经济调度的计算需求。本文提出了一种向后配方模型预测控制求解算法，该算法通过循环地对预测输入进行向后配方计算，避免了繁重的大矩阵求逆运算，并且将与控制时域长度Hu相关的计算复杂度从传统偏导求解法的O(n3H3u )降低到了O(n3Hu)。在IEEE标准电网实例上进行的数值仿真，验证了所提向后配方法具有较好的可行性，并且可以在控制时域长度Hu较大时有效加快实时经济调度的预测控制过程。
　　提出了在电力系统稳态运行下最优潮流问题的快速求解方法。对电力系统运行调度至关重要的最优潮流问题可以在数学上被建模为具有等式和不等式约束的非凸优化问题。基于Powerball优化方法，本文对传统的迭代式优化求解算法如内点法和牛顿拉夫逊法的迭代过程进行改进，分别提出了针对最优潮流问题和潮流计算的快速求解算法，为电力系统领域的快速计算和分析提供了方法支撑。通过在电气领域广泛认可的多个不同规模的标准电网实例上开展数值仿真，验证了所提算法可以有效减少最优潮流求解过程所需的迭代次数，从而加快收敛速度。潮流计算的仿真结果表明所提算法在加快潮流计算速度的同时可以更好地应对电网病态初始条件。
　　在考虑多风场风能不确定性和相关性的前提下对电网概率最优潮流的加速计算进行了研究。采用多变量高斯混合模型对来自多个风场的具有相关性的真实风能功率数据进行概率建模，并且针对风能分布所特有的截断特性对模型进行了改进。基于传统的马尔可夫链蒙特卡洛采样方法，运用拟蒙特卡洛方法产生的低偏差拟随机数代替传统的伪随机数，提高了随机采样过程的计算效率，进而实现了基于蒙特卡洛方法的概率最优潮流加速计算。在多个公开可用的真实风能数据集和国际公认的标准电网实例上进行建模采样和概率最优潮流计算的数值仿真，结果表明所提概率模型具有较高的建模准确率，且所提采样方法提高了概率最优潮流的计算效率。
　　基于非参数贝叶斯建模和推断对电网功率不确定性进行概率表征并提出了数据驱动的概率最优潮流在线计算框架。根据非参数贝叶斯理论，提出针对电网功率数据的狄利克雷过程混合模型，并结合风能功率分布特性对其进行改进。采用变分贝叶斯推断，在不需要混合元组个数先验知识的前提下对电网功率不确定性进行高准确率地概率表征。结合所提采样算法，设计了完全由数据驱动的概率最优潮流在线计算框架，该框架可以应对持续更新的电网功率数据，自动地完成概率建模和概率最优潮流在线计算，从而为在电网不确定性条件下电力系统运行过程中及时准确的调度决策和风险评估提供了方法支撑。
　　以上研究成果分别针对电力系统运行调度过程中的暂态控制、稳态优化和概率分析，面对可再生能源和需求侧资源大量主动接入的现状，从多个方面提高了应对电力系统优化调度所面临困难的能力。本文最后对全文进行了归纳总结和研究展望。