电力系统的智能化发展趋势已经成为近年来电力工业界和学术界关注的热点,智能电网必须能够支持大规模间歇性可再生能源和分布式电源。风光混合发电系统能够在一定程度上弥补单独风力发电或光伏发电的供电不稳定性,但风光发电受自然气候严重影响具有随机性、间隙性、波动性。电动汽车(Electric Vehicle, EV)受到了各国政府、汽车生产商以及能源企业的广泛关注,电动汽车还可以作为储能系统向电网注入功率,即与电网互动(Vehicle to Grid, V2G).电动汽车作为电力系统中的一类特殊负荷,存在时间(充电时间不确定)-空间(充电位置不确定)-行为(行驶、充放电行为不确定)三种维度上的随机不确定性,当大量无任何协调的电动汽车并入电网后,必然会对电网的安全经济运行产生巨大影响。上述不确定性给原本就变量众多的大规模电力系统的规划与运行优化带来极大的困难。风光发电输出功率的不确定性会给风光发电的规划问题带来风险,大量电动汽车在无序充电的情况下,将可能增加系统的最大负荷,降低全网负荷利用小时数,降低电网投资与收益的比例,降低电网效率。综上,本文的具体工作主要体现在以下几个方面：1)确定条件下的分布式电源(Distribtuted Generation, DG)选址和定容。以有功损耗、电压质量、电压稳定指标、线路载荷能力为多目标,用比较矩阵法确定各个目标的权重,以风力发电为分布式电源,优化配电系统的DG安装容量与位置。本部分的优化问题既包含离散变量又包含连续变量,为了提高快速寻优及避免陷入局部最优的能力,用云理论改进遗传算法,根据染色体的适应度改变交叉与变异的量进行寻优。最后将该方法用于28节点配电系统的DG的选址定容,并与普通遗传算法进行了比较。2)基于成本/可靠性评估的含电动汽车的风力发电系统容量规划。建立了含有风力发电与电动汽车的配电系统的成本/可靠性评估模型,考虑了风力发电的不确定性,可入网电动汽车充放电的随机性与规律性,以考虑可中断供电负荷赔偿费用的配电系统年费用最小为目标将配电系统中的风力发电容量进行规划。采用蒙特卡洛仿真法模拟风机出力、发电机及负荷状态求得用户断电功率与断电时间,以IEEE-RBTS (Roy Billinton Test System)为测试系统,对所提出的优化模型进行了仿真,求得在不同EV数量的情形下以系统年费用(包括固定成本、维护运行费用、燃料费用)与负荷断电赔偿费用之和最小为目标的风力发电的安装容量。3)考虑风光发电与EV充放电随机性的概率潮流计算。建立了含有风力发电、光伏发电和EV的电力系统概率潮流模型。以历史气象数据为基础对不同季节和不同天气状况下的风光数据进行了模拟,并计及了风电、太阳能发电、EV充放电及负荷的不确定性,在此基础上对不同季节中每日不同时段的电力系统采用三点估计法(3-point estimation method,简称3PEM)进行概率潮流计算,进而计算潮流结果的统计特性。最后,以某140节点配电系统为例对所构造的概率潮流模型和采用的求解方法进行验证,通过与蒙特卡洛仿真法求解得到的概率潮流结果进行比较,证明了这种方法的准确性。此外,还考察与分析了含风力发电、光伏发电、电动汽车的配电系统在不同季节不同时间段的概率潮流结果的差异。4)考虑储能充放电策略优化的风光混合发电系统容量优化。在第二章建立的风力发电随机性模型与第三章建立的光伏发电随机性模型的基础上,对蓄电池的充放电功率进行建模,采取动态规划法对蓄电池的充放电控制策略进行优化；然后建立保证供电可靠性的前提下配置最经济的风力发电/光伏发电/蓄电池的容量模型。最后以我国某地气象数据为依据,以IEEE-RBTS-BUS4的负荷为例,进行风光混合发电系统的容量优化,并对所得结果进行了分析。最后对论文所作的研究进行简要总结,并指出了有待进一步深入研究的的方向。