风电的大规模接入,特别是多个强相关风电场的接入给电力系统带来较大的风险,需要从理论上量化分析多个相关风电场的出力特性及其对电力系统的影响;在风电场中安装电池储能设备可以在一定程度上降低这种风险,但如何最大程度地发挥储能的作用,量化分析储能的出力特性及其对电力系统风险的影响是关键。在风速的相关性变换方法中,针对直接线性变换方法可能改变原风速概率分布和精度不稳定的不足,本文提出了一种基于Gram-Schmidt序列正交化方法和Cholesky分解法相结合的间接线性变换方法:针对Cholesky分解中相关系数矩阵的非正定问题,提出了分散变换技术和采用广义Cholesky分解方法;在此基础上,考虑变换精度的问题,提出了改进间接线性变换方法。针对风电机组的运行特点,考虑电网电压、系统频率以及风速的影响建立了其故障率模型;考虑运行、停运和降额状态,建立了风电机组的三状态故障模型;在此基础上,考虑风速的随机性和相关性、风电场尾流效应、风电场升压变压器和高压输电线路故障率的影响建立了风电场的可靠性模型;基于此模型,应用蒙特卡罗方法对风电场有功出力的概率特性进行评估,给出了评估的方法和流程。考虑常规蒙特卡罗方法应用于大规模风电接入,特别是以单个小容量的风电机组接入的情况下会存在样本容量大、效率低等不足,本文提出在蒙特卡罗仿真的概率抽样环节中使用拉丁超立方采样方法和Cholesky分解方法,这两个方法均可以在一定程度上提高概率抽样的效率;基于该方法,对含多个相关风电场的电力系统进行风险评估,给出了评估的具体步骤和流程。针对序贯蒙特卡罗仿真的特点,利用基于马尔可夫链的解析方法建立了风电机组的多状态可靠性模型。在此基础上,本文提出了用于序贯蒙特卡罗仿真的双重抽样方法,该方法每次需要抽样两个随机数,其中,第一个用来确定风机所处的运行状态,第二个用来计算此状态所能持续的时间;该方法由于采用了多次抽样技术,从而克服了固定周期抽样方法的不足,理论上可以获得任意持续时间的风机状态。针对含电池储能的风电场,考虑电池储能的充放电约束和容量约束以及其故障率的影响,建立了电池储能系统的出力模型;结合该模型,考虑不同风能调度策略得到了含电池储能风电场的出力模型。基于该模型应用序贯蒙特卡罗方法对含电池储能风电场的电力系统进行风险评估,给出了具体的评估步骤和流程。在Matlab中建立了相关仿真程序,并对典型风电场算例、含五个相关风电场的改进IEEE-RTS79算例以及含一个电池储能风电场的改进IEEE-RTS79算例进行了仿真,通过对仿真结果的分析和研究验证所建模型和所提方法的有效性;在此基础上,分析了风电和电池储能对电力系统风险的影响。