随着清洁能源的大规模开发利用,提高电网接纳清洁能源的能力,实现多种发电资源的优化配置,已经成为发电优化调度研究的重要内容。流域梯级水电厂群的开发和利用,使得水火协调、跨流域互补、梯级互动等优化调度方案的实施成为了可能,但也带来了复杂的“电耦合”及“水耦合”等问题,并且来水的不确定性极大影响着水电优化调度能力的发挥。在大规模风电接入后,风电功率的随机波动性、间隙性以及难以预测性增加了调度的不确定性和电网调峰的难度。此外,市场竞争机制的引入,打破了传统的垂直垄断管理模式,在价格的导向作用下,发电厂商在追求发电收益的最大化和发电成本的最小化,发电调度转向以市场为中心。电力市场增加了系统运行的复杂程度,给发电优化调度带来了新的困难。电力系统中长期发电优化调度关注于多种发电资源在长时间尺度内的联合优化,其周期更长,调节的范围更广,随机性更强,本质为随机动态优化问题,面临着建模和求解困难问题。传统基于确定性数学规划理论推导出来的模型对于系统规模大,不确定性因素多的中长期发电调度具有较大的局限性。2011年,普林斯顿大学的Powell教授提出了近似动态规划(Approximate Dynamic programming, ADP)的统一理论,并指导性地给出求解思路后,具有统一处理确定性与不确定性、连续与离散规划问题能力的ADP方法被广泛认为是解决大规模随机动态优化问题的有效途径。ADP是本文构建中长期发电优化调度新模型的基础,其建模思路清晰,应用动态规划(Dynamic programming, DP)的概念和符号描述多阶段优化决策问题,通过随机过程作用于系统状态的方式将随机性影响纳入阶段优化决策中,开放式的近似寻优策略扩展了ADP的应用范围。综上所述,本文围绕着中长期发电优化调度问题,针对不同条件下的发电优化调度方式,采用ADP方法进行建模和求解。主要开展了以下研究工作：(1)在研究火电、水电、风电等发电技术的基础上,分别建立了含梯级库群的水电运行模型,水火电联合优化调度模型,分析了不可调节发电技术的调度方式,以及电力市场新环境下发电优化调度所面临的更多不确定性。构建基于场景树模型的随机过程表示这些不确定性因素,并采用随机模拟与场景缩减技术相结合的方法压缩预测场景集合,在尽量减少场景数量的同时,保持随机变量场景树模型的重要特征。(2)结合ADP的多阶段优化决策理论,提出了一种不确定性条件下水电厂商优化自调度的多阶段决策模型。模型从水电厂商的角度出发,以含梯级库群的水电运行模型为调度基础,将远期合约和日前市场交易电量的分配视为ADP框架下的阶段决策,以预测场景集合表示的随机过程考虑流域天然来水和日前市场电价的影响,优化水电厂商的远期合约电量决策以获得稳定的收益。设计了水库蓄水的近似值函数策略求解基于ADP的水电优化自调度模型。最后以某省水电系统为例验证ADP模型求解随机规划问题的优越性,并分析了不确定性条件下水电厂商的决策对收益和水库调度的影响。(3)基于ADP的多阶段优化决策方式,提出了一种中长期发电计划的ADP-RO模型。模型从电力调度部门的角度出发,将中长期发电计划的制定视为风水火等发电资源的优化配置(Resource Optimization, RO)问题,以预测场景表示日前市场煤价、流域来水、风速预测随机变量,将合约购煤与市场购煤、水库用水视为ADP框架下的阶段决策。分阶段决策降低了问题的求解规模和难度,提出的燃煤库存和水库蓄水的值函数近似策略解决了如何优化决策并保持阶段分解后的整体优化特性问题。通过在决策和近似值函数之间的迭代,求解出近似最优决策,进而获取风水火发电计划、燃料供应计划,水库优化运行等优化调度方案。(4)利用ADP的模拟优化作用,提出了一种考虑大规模风电接入后备用容量和风电计划出力的优化模型,用以分析大规模风电并网对电网调度运行的影响。模型以备用容量和风电计划出力为待优化的系统参数,将日前计划和实时调整连接起来交替执行,以预测和实时数据模拟运行,优化参数的选择,并获得各种类型机组的出力状况。在此基础上讨论备用容量的大小、风功率预测精度、储能容量对电力系统调度运行的影响,可为规划大规模风电接入提供理论和实证分析工具。最后,对全文进行了总结和展望,指出ADP多阶段优化决策的方法适用于中长期电力系统发电优化调度等大规模随机动态优化问题。本课题的研究成果可应用于电网调度部门制定中长期发电计划,燃煤供应计划,水库优化运行等。同时也拓展了ADP的应用范围。