随着新能源近几年的迅速发展,电力系统运行特性发生根本性的改变。由源荷可控平衡变为源荷双向波动的不可控,新型电力系统中的不确定属性加强,需要巨大的灵活性电源来平衡。梯级水电站群有巨大的水电装机和库容,与风、光新能源联合运行,能够对我国新能源进行有效调节,是调节规模最庞大、调节周期最宽泛、运行成本最经济的电源。本研究以挖掘梯级水电的主动调控能力、发挥其灵活调节优势为目的,开展梯级水电主动调控下的水风光长期互补调度规则研究,主要完成工作如下:（1）风光等新能源出力的不确定性考虑是多能互补调度中需要解决的首要问题。本研究基于非参数核密度估计法分别求得研究地区风电、光伏出力样本的概率密度函数,运用Copula理论建立多个常见的风光出力联合概率分布模型,通过比较其Kendall、Spearman相关系数度量值以及欧氏距离,从中选取拟合程度最优的Copula函数表征该地区的风光出力互补特性,随后使用蒙特卡洛随机抽样为模拟流域内梯级水电、风电和光伏互补协调运行的过程提供预测数据。（2）针对大规模风光并网挤占通道问题,本研究提出考虑输电断面限制、季调节以上水电站主调模式下的水风光长期互补优化调度模型,利用梯级水电站之间的水力联系进行年内出力调整和输电通道的合理利用,增加了电源系统的发电量,提高了送电通道的利用率。以乌江流域为背景的实例计算表明,所提模型能有效利用梯级水电站群灵活性调节能力,提升输电断面利用效率,优化年内电量分配,提高流域全年外送电量,促进清洁能源的充分消纳。（3）以新能源主导的新型电源结构势必会改变传统的梯级水电运行规则。本研究使用灰色关联分析方法在长系列确定性优化调度结果中分月筛选出对决策因子有关键作用的影响因子,以乌江干流梯级水电站及周围的风光电站为研究对象,建立梯级水电主调模式下的流域水风光互补调度函数的BP神经网络模型。由模型评价过程可知,使用GRA筛选简化后的影响因子构建神经网络模型不但可以大大缩减网络训练时间,还能有效提高模型预测性能。训练完成的BP神经网络在水风光互补模拟调度中预测精确,结果稳定,可为实际调度作一定参考。