随着国家对节能减排、绿色环保的重视程度日益提高,大力发展风力发电等清洁能源已经成为能源领域的一大趋势。然而由于风电场出力具有显著的随机性和间歇性,风电的大量接入将对电力系统保持可靠稳定供电的能力提出挑战。近年来电力物联网技术的发展和电力市场化改革的推进,也助推了需求侧响应的相关研究和实践。以温控负荷为主要资源的需求侧响应,是提高接入风电的电力系统保持供需平衡能力的有效手段。然而温控负荷在响应特性上也具有一定不确定性。本文主要通过数据驱动的算法,对需求侧的温控负荷与供电侧的风电场的不确定性进行评估,进而在考虑供需侧不确定性的前提下对电力系统进行可靠性分析,主要研究内容如下:(1)提出了温控负荷集群备用容量估计算法。首先基于电热力学模型实现对温控负荷个体的运行模式分析及建模,然后在考虑温控负荷参与需求侧响应时的模型参数和响应特性具有部分信息不确定性的前提下,提出基于K-means聚类算法和混合高斯模型的温控负荷聚合算法,实现对温控负荷集群的备用容量估计。(2)提出了多风电场风速概率分布估计算法。在考虑风电出力波动性的前提下,基于生成对抗网络框架,通过历史风电数据对二元人工神经网络进行博弈训练,在不依赖先验知识的条件下,实现了对风电场风速的概率分布估计以及多个邻近风电场出力的空间相关性估计。(3)提出了考虑温控负荷和风电不确定性的电力系统可靠性分析算法。首先基于前两个研究点对供需侧不确定性的处理,通过数据驱动方法对电力系统可靠性分析问题进行重构以解决交叉熵重要度采样算法的使用障碍,然后通过系统状态采样、系统最优负荷切除计算以及相关可靠性指标计算,实现了对考虑温控负荷和风电不确定性的电力系统可靠性的高效分析评估。