随着能源结构调整的推进,我国积极发展包括风能、太阳能在内的可再生能源。但风电和光伏发电具有随机性、间歇性等特点,随着它们并网比例的提高,其输出功率的不确定性给电力系统稳定运行提出了新的挑战。与此同时,这些可再生能源的大规模并网使得系统调峰问题逐渐显现。一方面,我国电源结构中火电容量过大,使得火电机组承担深度调峰任务成为常态,而深度调峰状态下运行成本的急剧增加导致大量火电厂生存十分困难。另一方面,在我国煤炭市场正面临的煤源多样化、煤质指标差异较大这一新形势下,混煤掺烧技术逐渐在火电厂广泛应用。进一步地,在我国现行基于调度的补偿机制下,火电机组因提供深度调峰服务而产生的经济损失难以得到合理补偿,导致机组调峰积极性不高。在此背景下,本文重点考虑了可再生能源中风电出力的随机性,从深度调峰运行下火电厂降本增效以及调峰积极性两个角度出发,开展了可再生能源与火电机组耦合系统经济调度以及调峰费用分摊的研究,其主要内容归纳如下:首先,针对以风电为代表的可再生能源出力建模问题,论文介绍了基于场景分析法的风电出力随机性建模及随机期望模型。其中,基于场景分析法的风电出力随机性建模主要包括风速概率分布模型的建立、风速场景的生成与削减以及“风速-风功率”转换,同时为考虑目标场景拟合精度,引入了概率分布差异度作为场景拟合精度的指标。在获得目标场景集的基础上,描述了随机优化的模型,并给出基于场景分析法的随机期望模型。其次,针对梯级水电优化调度问题,以贵州乌江流域为主要对象开展了调查,具体介绍了乌江七座水电站的基本特性以及梯级水电站发电调度的数学模型;阐述了帝王蝶优化算法（Monarch Butterfly Optimization,MBO）原理,包括该算法的迁移算子、蝴蝶调整算子;以最小耗水量为目标函数,利用MBO算法求解梯级水电站优化调度问题,进一步地与粒子群优化算法（Particle Swarm Optimization,PSO）、正余弦算法（Sine and Cosine Algorithm,SCA）进行对比验证了该算法在寻找更好适应度方面的优势。然后,针对可再生能源与火电耦合系统随机经济调度问题,从火电机组深度调峰运行角度出发,引入前述场景分析法描述风电随机性,并利用基于前述MBO算法的两阶段策略降低电力系统耦合性。从而,建立了一类计及混煤掺烧的水火风光耦合系统随机经济调度模型,以一个简化的省域电力系统为例进行仿真,研究了混煤掺烧对火电机组深度调峰运行降本增效的影响。相关讨论与结论可为火电机组参与深度调峰场景下的发电计划研究与实践提供参考。最后,针对电力市场环境下调峰费用分摊问题,从调动火电机组积极参与深度调峰的角度出发,以市场主体上网电量为基准,结合不同电源峰谷差率,构造了考虑调峰影响系数的费用分摊模型。算例分析在一个简化的省域电网系统中展开,与传统费用分摊模型的比较结果证明了所提模型的有效性。相关讨论和结论对政府制定火电机组深度调峰费用分摊方案有一定的参考价值。