近年来随着风电的高速发展，风力发电技术愈加成熟，使其在能源消纳中所占的比例也逐渐增大。同时风电由于其出力的不确定性，给电网的运行与控制带来了极大的挑战。因此研究如何处理风电出力的不确定性，对于提升电网对清洁能源的消纳具有重要意义。而在处理风电出力不确定性问题时，现有的优化方法难以计算出鲁棒性与经济性平衡的调度计划。针对这一问题，本文提出一种基于场景分类的随机机组组合风险调度模型。
　　首先利用主成分分析(PCA)技术将风电出力场景从高维空间降低到低维空间，丢弃数据冗余信息，凸显数据内部联系。其次，在低维空间中利用快速搜索密度峰值聚类(CSFDP)将风电出力场景分为几个簇，并在每个簇中利用场景发生概率(局部密度)将场景进一步划分为三类：典型场景、普通场景、极端场景。最后，通过本文所提模型利用发生概率低的极端场景计算出机组组合计划，并且使用发生概率大的典型场景计算经济调度计划。如此，则可以获得鲁棒性与经济性相平衡的日前调度计划。
　　本文将此算法应用于IEEE-6节点系统与IEEE-118节点系统。IEEE-6节点系统计算结果表明，PCA技术能够帮助提升聚类算法的精确度，PCA技术与CSFDP聚类技术的组合可以实现场景有效分离。IEEE-118节点系统计算结果显示，本文所提方法计算出的调度计划鲁棒性接近鲁棒优化结果，经济性接近随机优化结果。证明本文所提方法能够较好的解决调度计划鲁棒性与经济性相平衡的问题。