年负荷序列是开展新能源消纳能力计算的关键输入,直接影响着新能源消纳能力评估结果的准确性。年负荷序列的时间跨度长、生成难度大,针对该领域的研究刚起步,相关研究相对较少。年负荷序列的生成,需要提取历史年负荷序列的时序变化特性和随机波动特性。日负荷序列是生成年负荷序列的基础,随着分布式能源和需求侧响应规模的不断增长,负荷每日的随机波动特性越来越复杂,传统的负荷特征提取方法难以满足年负荷序列建模和生成的需要,因此有必要给出适用于年负荷序列的负荷特征提取方法和适用于年负荷序列的预测方法。在年负荷序列基础上,计算不同场景下的新能源消纳能力,场景的设计决定了新能源消纳结果,因此需要充分考虑场景设计的合理性。本文首先研究了年负荷序列聚类方法。面向传统负荷聚类分析对负荷特征提取不充分的问题,采用HP滤波器（Hodrick Prescott）,通过HP滤波器把年负荷时间序列按季节分解为趋势项负荷序列和波动项负荷序列,再分别提取每日趋势项负荷序列特征和每日波动项负荷序列特征,达到了充分提取负荷特征的目的。每日趋势项负荷序列特征反映了年负荷序列中每日负荷的时序变化特性,每日波动项负荷序列特征反映了年负荷序列中每日负荷的随机波动特性。接着,研究了年负荷序列建模方法。年负荷序列建模是针对年负荷序列聚类过程中提取的每日趋势项负荷序列特征和每日波动项负荷序列特征分别建立概率统计模型。传统负荷特征建模往往采用参数估计法,假设特征满足正态分布。面向传统负荷特征建模无法充分考虑特征不满足正态分布的问题,采用非参数估计法,通过正态性检验,相关性分析,联合概率建模等步骤建立年负荷序列模型,达到了充分考虑各特征分布情形的目的。然后,研究了年负荷序列生成方法。年负荷序列生成是基于建立的年负荷序列模型,预测未来一年的负荷。面向年负荷序列生成长度长,时间跨度大的问题,通过对负荷特征的核密度估计分析,采用马尔科夫随机采样、优化和神经网络法,达到了年负荷序列预测的目的。最后,以比利时电网为算例,在不同场景下基于预测的年负荷序列开展新能源消纳能力计算,分析计算结果,为比利时新能源的发展给出了合理的意见。