虚拟电厂（Virtual Power Plant,VPP）作为泛在电力物联网的基本组成单元,将随着三型两网建设的开展成为我国能源互联与共享技术研究的热点。因此,针对VPP在平抑分布式资源波动性以及参与多主体能源电力市场交易中的运行数据,如何加强数据管理、深度挖掘数据之间联系,实现电力市场驱动模式下VPP的智能调度与控制,具有重要的研究意义。基于此,论文以数据挖掘技术在源-储环节的应用为基础,并结合风险敏感理论对VPP的的优化调度问题进行研究。论文首先以数据挖掘的流程及算法为基础,研究了变分自编码器（Variational Autoencoder,VAE）、生成对抗网络（Generative Adversarial Networks,GAN）、长短期记忆神经网络（Long Short-Term Meory,LSTM）以及DQN（Deep Q-Network,DQN）模型的优越性。然后,针对VPP能源侧数据,分析了物理建模以及数据建模方法在光伏不确定性方面研究的不足,提出了利用VAE和条件生成对抗网络（Conditional Generative Adversarial Networks,CGAN）的联合模型挖掘光伏发电数据规律的方法,并通过对光伏发电数据的挖掘分析验证所提模型的有效性,结果表明该方法无需预设概率分布,以数据为驱动拟合光伏发电的条件概率分布,条件生成效果优于混合高斯模型,有效地降低了在特定天气条件下光伏不确定性出力的波动范围,更具合理性。其次,针对VPP储能交互数据,分析了随机优化方法与鲁棒优化方法对于储能运行策略挖掘的不足,采用改进DQN算法挖掘储能在VPP环境下的最优运行策略,并通过算例仿真表明了改进DQN算法挖掘的策略在日平均收益以及储能充放电速率方面均优于基于线性规划的模型预测控制方法,验证了模型有效性。最后,针对VPP电力市场化运营背景,结合源-储侧数据挖掘结果提出了基于风险敏感理论的光储VPP优化调度方法,并通过算例仿真验证了该方法可以根据VPP经营者的风险意识挖掘出风险寻求或者风险规避的运行策略,符合VPP经营者的实际需求。