面临“碳达峰、碳中和”的新愿景,以风电为代表的新能源产业将再迎发展加速期,成为改变我国能源供应结构的关键性力量。随着新能源份额的不断增加,系统不确定性增加,高比例新能源的消纳对系统灵活运行来说仍然是一个挑战,因此需要重新考虑电力系统的建模和运行方式。针对以上问题,本文将粒度认知理论引入含风电的电力系统经济调度问题中,提出了考虑净负荷梯度变化的自适应调度方案。主要研究内容如下:首先,通过对认知计算和粒计算的基本思想和典型模型的研究,基于数据驱动的思想,提出了一种数据驱动的粒度认知计算,结合了传统数据驱动的自下而上的信息计算机制和自上而下的人类认知规律,完成了电力论域的表达谱构建和基于无监督机器学习的功率-时间双层粒化模型的建立,并提出了多层次多粒度的粒化结构。其次,为刻画净负荷小时尺度内的梯度变化,建立了基于表达谱的三层（认知层-决策层-反馈层）多段（日前-实时多时间尺度）自适应调度方案。其中,认知层实现全天候环境状态认知,对于净负荷曲线建立自适应时段划分机制;决策层实现日前调度方案的制订;反馈层在实时调度中进行误差控制,调节功率偏差。以改进的IEEE-78节点互联系统为算例,验证调度方案的可行性。最后,提出一种含风电模糊粒的自适应调度方案。旨在研究离散时间近似分布误差的基础上,对预测误差进行研究,通过分析历史数据引入模糊参数的隶属度函数,构建风电模糊粒,从而建立起考虑双重误差的自适应调度模型,采用双重粒子群优化算法对模糊机会约束模型进行求解。算例结果表明相较传统调度有更好的经济性和计算效率。