风电等可再生能源具有无污染,低成本的优点,近年来备受关注。但是风电等可再生能源有较大的不确定性,难以准确预测,调度时易产生较大的弃风和切负荷。由于场景法可以准确体现不确定性的概率特征,将不确定性问题转化为确定性问题进行求解,因此在电力系统调度中被广泛使用。传统多场景生成法未合理考虑风电的时序性,多场景削减法对于削减前后场景信息的保留程度较低,多场景调度模型未充分利用场景概率信息。因此,如何充分利用多场景信息,建立合理的风多电场景生成法、削减法与风电多场景调度模型,成为此领域的研究热点问题。基于此,本文研究内容如下:（1）针对传统场景生成法未合理考虑风电时序性的问题,提出了一种基于风电误差拟合和LSTM的多场景生成方法。首先,通过拟合风电预测误差确定预测误差的分布特性。然后,利用所得风电预测误差分布特性进行逆函数抽样,在LSTM输入样本中加入叠加了随机误差抽样的状态量,加强LSTM对于风电不确定性的学习。由于LSTM具有强大的记忆功能,可对风电时序性进行记忆,生成的风电多场景既描述了风电不确定性,又反映了风电的时序性。算例验证了所提方法可有效的获取风电时序性,生成的场景可准确描述风电的不确定性。（2）针对削减后场景造成信息丢失的问题,提出了一种基于Wasserstein距离的0-1规划与K-means多场景削减法。首先,运用0-1规划模型的思想,建立基于Wasserstein距离的0-1规划多场景削减法,得到初始典型场景值。然后,将所得的初始典型场景值作为K-means聚类算法的初始值,进行K-means聚类得到最终的典型场景。算例验证了所提方法既有效增强了算法的稳定性,又最大程度的保留了场景信息,使削减前后场景的Wasserstein距离最小。（3）针对电力系统多场景调度模型中各场景相互耦合且未合理考虑场景概率的问题,搭建了基于MCO-超球体动态概率半径松弛算法的多场景经济调度模型。首先,运用MCO算法的思想,将传统风电多场景调度模型进行解耦,分为主系统级调度优化模型与子系统级调度优化模型。然后针对主系统的一致性强约束易造成调度结果无解的问题,在松弛主系统的一致性约束时引入风电多场景概率,提出了超球体动态概率半径松弛算法,使得主系统依据场景概率决定接纳各个风电场景调度模型上传信息的程度。算例证明所提调度模型依据场景概率进行优化求解,在较低成本下促进了风电的消纳,减少了弃风和切负荷量。该论文有图35幅,表14个,参考文献87篇。