风电、太阳能等可再生能源是一种取之不尽、用之不竭的清洁能源,不消耗化石燃料,不污染环境,利用这类能源可提高电力系统运行的经济效益和节能减排效益。但该类能源受自然界众多因素影响,其发电出力具有明显的间歇性、波动性和随机性,在现有的技术水平下难以精确预测。目前,电力系统中普遍利用可再生能源电站的集群效益、以大规模高集中度并网的形式开发利用,但其随机性和波动性使得电力系统运行的风险大大增加。在电力系统发电计划优化方面,常规能源电站的发电出力由于技术经济性能的限制,往往不足以跟踪、平抑大规模可再生能源电站出力的波动,故常出现可再生能源弃电和切负荷等现象。因此,有必要在含大规模可再生能源的电力系统发电计划优化模型中合理度量可再生能源接入后的经济性运行风险,计及风险因素对电力系统发电计划作进一步优化。本文首先介绍了电力系统发电计划优化模型,并提出一种求解发电计划优化模型的改进粒子群算法(IPSO算法),该算法引入了机组组合可行性判据判断粒子可行性,分时段处理约束条件和优化粒子机组组合状态,具有较高的求解效率。其次,引入风险测度理论中的条件风险价值(CVaR,Conditional Value-at-Risk)衡量大规模可再生能源接入后调度运行的失负荷风险和可再生能源电站弃电风险,提出含大规模可再生能源的电力系统调度运行经济性风险测度指标及其模拟计算方法,通过算例分析了风险测度指标的灵敏度和应用价值。最后,基于以上研究内容,进一步研究了适应大规模可再生能源接入的电力系统发电计划优化模型与算法。建立基于CVaR的含可再生能源电力系统发电计划优化模型,并在IPSO算法基础上嵌入变邻域下降搜索算法改进了粒子群算法的局部搜索能力,提出一种结合变邻域搜索的改进粒子群算法(VND-IPSO算法),使其适用于含可再生能源发电计划优化模型的求解。通过算例分析了所提出的改进算法的有效性及风险测度指标对发电计划优化模型优化结果的影响。