随着化石能源的加速枯竭以及环境问题的日益严峻,世界各国正积极探索并开发各类可再生能源。与地热能、潮汐能等新兴能源相比,风能具有分布广、成本低且技术成熟的优点,加之许多国家还出台了风能利用的鼓励政策,这使得风电装机容量增长迅猛。由于风资源区域和季度的差别,风电场风况具有以下特征:风速概率分布具有多样性、风向随风速变化具有随机性等,故常规可靠性模型难以计及这些特性以分析其对电力系统可靠性的影响。因此,研究风电资源复杂风况特性、建立计及复杂风况的风速模型、分析复杂风况的可靠性影响等,对含风能电力系统规划和运行具有重要的理论价值和工程实用意义。为计及风速概率分布随着区域和季度变化的差异性,提出一种混合核密度风速概率分布模型,基于推导的权重系数与误差的解析关系给出模型求解的Lagrange乘子法。该模型应用最优权重系数将多组核密度函数组合为混合核密度函数;推导了最优权重系数与渐进积分误差间的解析关系,并据此以渐进积分误差最小为目标给出最优权重系数求解的Lagrange乘子法,提高混合核密度函数对风速概率分布的刻画精度。将该模型应用于八个地区风电场,对其各季度的风速概率分布进行估计,结果表明:该模型的拟合精度高于六类常规参数模型和非参数模型,验证其正确性。为计及风向随风速随机变化的特性,通过风速-风向的状态划分、转移率确定等,提出一种风速-风向Markov链模型。根据蒲福风速尺度和基本风向尺度划分得到风速-风向的状态,计算风速-风向的状态转移率矩阵,刻画其随机转移关系。将该模型应用于四个地区风电场进行风速-风向建模,结果表明:该模型可较精确的反映风电场风速-风向平均值、标准差和相关系数等基本统计特征;风速-风向的状态持续时间服从指数分布,其状态转移过程为Markov过程。由于风能资源区域和季度的差异,其风速概率分布具有多样化特性。为评估该特性对电力系统的可靠性影响,给出基于样条插值的混合核密度风速抽样方法,建立计及风速概率分布多样性的含风能电力系统可靠性评估模型。该模型采用基于样条插值的混合核密度风速抽样方法,得到与实测风速统计特征一致的风速样本;结合风电机组可靠性模型和风电转化模型,提出计及风电机组随机停运的风电场出力抽样方法;根据负荷模型和常规机组可靠性模型,提出基于非时序Monte Carlo模拟法的含风能电力系统可靠性评估方法。将该方法应用于含八个地区风电场的RBTS系统可靠性评估,结果表明:风速概率分布的区域和季度差异性对含风能电力系统可靠性有较大影响。由于风向随风速随机变化,导致不同时刻下风电场尾流效应作用强度不一。为评估该特性对电力系统的可靠性影响,提出一种计及风向随机变化的含风能电力系统可靠性评估方法。该方法将风速-风向Markov链模型、风电机组可靠性模型、Jensen尾流效应模型和风电转换模型结合,提出一种计及尾流效应和风电机组随机停运的风电场发电状态Markov链模型;与负荷模型和常规机组可靠性模型结合,提出一种含风能电力系统发电状态Markov链模型;应用Markov方程求解各发电状态概率等参数,评估含风能电力系统可靠性指标。将该方法应用于含四个地区风电场的RBTS系统,结果表明:尾流效应对电力系统可靠性具有不利影响,忽略尾流效应将导致对含风能电力系统可靠性的过低估计。合适的风电机组功率优化策略,有利于挖掘风电场发电潜能和提高系统可靠性水平。复杂风况对风电机组功率有很大影响,这对风电机组功率优化提出了严峻挑战。为此,基于风电机组实际运行数据、神经网络技术和遗传算法,提出计及复杂风况的风电机组功率优化策略。该策略应用神经网络技术从风电机组实际运行数据中拟合风电机组功率函数,较客观地反应复杂风况对风电机组功率的影响;据此,以风电机组功率最大化为目标,以遗传算法为求解工具,以风电机组控制参数为决策变量,提出运行时刻点风电机组功率优化模型;然后,在此基础上,分别提出运行时段内的风电机组功率逐点优化策略和聚类优化策略,后者策略在前者策略基础上应用K均值聚类方法,可降低优化计算复杂度,利于优化策略的实时实现。应用前面可靠性评估方法评估使用两种优化策略前后的含风能RBTS系统可靠性,结果表明:两种优化策略均能有效提升风电机组功率输出,并提高含风能电力系统可靠性水平。