风电是一种发展成熟度较高的可再生能源,具有绿色清洁、环境友好的特点。近年来,随着能源、环境及气候问题的日益突出,风电在电力系统中的发电渗透率不断提高。然而,由于风电功率具有较强的间歇性和波动性,风电的大规模并网在提高电力系统清洁性的同时,也增强了系统源侧的随机性。同时,由于高峰负荷的持续增长,电动汽车等柔性负荷的大量涌入,电力负荷侧的随机因素也进一步扩大。源荷双侧随机性特征给电力系统的安全稳定与经济运行带来了巨大挑战,增加了调度决策的难度。论文根据风电与负荷预测精度随时间尺度细化而逐级提高的特点,基于“逐级细化,多级协调”的思路,研究了考虑源荷双侧随机性的电力系统日前-日内协调调度优化问题。论文首先利用服从正态分布的随机偏差量描述风电出力和负荷的不确定性,考虑将可中断柔性负荷纳入日前调度计划的源荷互动调度模式,建立了基于机会约束规划的日前机组组合经济调度模型;引入竞争群优化算法对模型进行优化求解,采用IEEE 30节点系统进行算例仿真分析,仿真结果验证了日前调度策略的有效性。然后,在日内超短期时间尺度上,综合考虑源荷随机波动特性、机组调度属性和AGC机组的调节能力,建立了以机组煤耗成本、计划机组出力调整成本和AGC机组调节成本总和最小为目标的超短期动态优化调度模型;考虑当前时段调度方案对后续时段系统运行的影响,进一步将该日内超短期动态调度问题建模为相应的离散时间马尔科夫决策过程模型,并引入深度Q学习算法进行优化策略求解。算例仿真结果表明,所得超短期调度策略具有较好的运行经济性,能够根据风电和负荷的超短期预测数据对计划机组的出力进行动态优化调整,跟踪日内源荷波动,缓解AGC机组的运行压力,有效维持系统功率的动态平衡。