随着越来越多的电动汽车和风电接入电网,由于风电固有的间歇性,电动汽车充电在时间上和空间上具有不确定性,电力系统的运行和调度将会受到影响。首先,不确定性的出现使得传统经济调度的结果变得不稳定,目标函数易受扰动。其次,经济调度的约束条件也出现了不确定性参数,使得这些约束条件难以满足。最后,大量电动汽车的随机充电可能会进一步拉大系统负荷的峰谷差,而风电的间歇性和反调峰特性导致其不能完全被利用,产生弃风。针对上述问题,本文从以下几方面进行了研究:首先,介绍了电力系统动态经济调度问题的数学模型,将多代理的思想引入到细菌群体趋药性(bacterial colony chemotaxis,BCC)算法中。通过协调代理对各个分时代理进行协调,按照时间将电力系统动态经济调度问题分解为若干子优化问题由分时代理进行优化,提高了算法的寻优能力和收敛能力。提出一种基于云模型的变异策略,提高了细菌的变异能力。其次,分析了风电和私家电动汽车充电的不确定性,利用蒙特卡洛模拟仿真了私家电动汽车充电负荷,并建立了电动汽车换电站模型。为了提高风电利用率,减小风电和电动汽车不确定性给经济调度目标函数和约束条件造成的影响,提出一种考虑解的最优性和可行性的坏场景集电力系统鲁棒动态经济调度模型,并给出了求解方法。最后,介绍了电动汽车双向充放电,建立了电动汽车双向充放电模型,通过对电动汽车充放电功率的控制,提高电力系统对风电的消纳能力。将鲁棒区间优化引入到电力系统坏场景集鲁棒动态经济调度模型中,优化风电出力允许区间,在减少弃风的同时提高了系统的经济性。