随着风电、光伏等可再生能源发电渗透率的增加,电力系统运行需要考虑随之而来的不确定性。场景分析法因为可明确体现不确定性因素的概率特征而被广泛采用,但是由于大规模场景会降低随机规划的求解效率,实用性受到限制。针对该问题,本文提出一种经典场景集生成算法。本文算法提出用包含精确概率信息的采样点来代替随机抽样,针对日前规划的每个时刻,利用Wasserstein概率距离指标来构造风光出力的含概率最优分位点；然后以分段降维的思想,划分整个调度区间；在子区间内遍历全部场景,以此为基础构造经典场景集。该方法可完整保留原始信息,而且每条场景带有与生俱来的精确概率,对原问题的描述达到较高的精度。为提高场景消减算法的性能,本文首次引入并行聚类的概念,将K-medoids聚类算法按需改造并成功应用。从聚类角度观察,场景消减问题存在特殊性质：它属于伪高维问题,运算特征处在低维度范畴,并且对类别数量完全不敏感。本文将消减过程并行分解,利用数学工具节约计算量的同时,导入CUDA并行架构,可在有限时间、有限资源的条件下解决大规模的实际问题。最后,本文将新算法应用于云南某风光水虚拟电厂,在场景分析的基础上建立随机规划的期望值模型,研究使虚拟电厂利益最大化的出力申报策略。本文算例中采用国电云南分布式发电示范工程实际数据,结果显示所提出的经典场景集生成算法具有概率信息准确、求解效率高等特点。