随着“碳达峰”和“碳中和”目标的提出,全球风力发电在能源结构中的占比将大幅提高,风力发电的随机性与波动性对电力系统安全与经济运行的影响日趋显著。由于风电出力的不确定性,传统的确定性潮流计算分析方法已经不再适用,因此需要采用能够考虑注入功率随机性的方法对电力潮流进行求解。概率最优潮流便是在考虑随机功率注入的条件下求解电网最优运行的方法,是分析风力发电随机性对电网运行状态不确定性影响的有效工具。由于风电出力与风速之间具有确定的函数关系,因此构建准确的风速概率模型对概率最优潮流解的准确性十分重要。随着风电装机容量的大幅提升,风电场的建设往往聚集于风能丰富的区域,相邻风电场之间的风速相关性不容忽视。由于风速之间的相关性具有较强的尾部效应而非简单的线性关系,因此建立一个能够准确描述风速之间复杂相关性的概率模型意义重大。此外,不同区域的风电场风速的相关性具有迥异的特征,难以建立普适的参数化概率模型,因此需要基于数据驱动的无参数概率模型,从而更加准确地捕捉随机变量之间的关联特性。本文的主要研究内容是提出一个精确的考虑相邻风电场风速相关性的无参数概率模型以及一个同时考虑系统成本与风险的多目标概率最优潮流模型,并将风速相关性建模应用于概率最优潮流中,以提高概率最优潮流解的准确性。在相关性建模方面,本文首先提出了一种基于扩散过程核密度估计方法的二元无参数Copula函数——二元扩散核（Bivariate Diffusive Kernel,BDK）Copula函数,并对原始的BDK Copula函数进行密度修正,使之成为真正意义上的Copula函数;在提出BDK Copula函数的基础上,使用Pair-Copula原理构建能够准确描述多个风电场风速相关性的无参数Copula函数——对二元扩散（Pair Bivariate Diffusive Kernel,PBDK）Copula函数。本文提出的风速相关性建模方法应用于概率最优潮流的风电出力采样中。为了提高潮流模型的求解效率,本文还提出了一种与无参数Pair-Copula函数相适应的Sobol序列采样方法,该方法应用于求解考虑随机功率注入的概率最优潮流的拟蒙特卡洛法中。最后本文提出了考虑系统成本以及应对极端风电出力情况而导致损失的多目标概率最优潮流模型,该模型度量了一定置信度下的系统煤耗成本以及条件风险值。本文使用PBDK Copula对中国西北部的三个区域的风电场风速数据集分别进行了拟合优度仿真,之后将三个数据集的风电场分别接入IEEE-57节点系统中对提出的方法在概率最优潮流中的应用进行验证。仿真结果表明了PBDK Copula在拟合不同风电场风速相关性方面具有更佳的表现,将其应用于概率最优潮流中可提高结果的准确性,且本文提出的采样方法能够有效提高概率最优潮流模型求解的效率。