风电是最具竞争力的低碳能源,但风电并网对系统整体能耗与CO2排放量具有两面性,一方面风电替代火电,可减少CO2的排放,降低燃料成本；另一方面,其他机组为消纳风电波动性增加了额外的燃料成本和CO2排放量,称为风电的负面C02效应。此外,由于风电的日出力模式变化频繁,短期的运行数据不能反映出风电接入后对系统成本和可靠性的长期影响,因此需要一个长过程的仿真工具有效地模拟风电接入对电力系统整体能耗与CO2排放量的影响。现有的含风电场的随机生产模拟方法主要有蒙特卡罗模拟法和解析法。根据是否模拟电力系统运行状态随时间序列的变化,蒙特卡罗模拟法又可分为序贯蒙特卡罗模拟法和非序贯蒙特卡罗模拟法。由于风电和负荷的时变性,含风电场的随机生产模拟使用最广泛的是序贯蒙特卡罗模拟法,但该方法的收敛速度与样本容量的平方根成反比,而且模拟次数过少会影响模拟结果的可靠性,存在运算量较大、计算精度难以保证等缺点,并且序贯蒙特卡罗模拟法比一般的蒙特卡罗模拟法开销要大。解析法的数学模型清晰,在分析全部场景概率分布后,可得到精确的解,但解析法随着系统中元件数量的增加,系统场景数量将呈指数增长,因此,常用于系统规模较小,结构较简单的电力系统中。故出现了2种简化的解析法,序列运算理论和通用生成函数法。序列运算理论以数字信号处理领域中的序列卷积为出发点,能够合理地反映离散型随机变量之间的各种运算,具有计算量小,状态空间非指数增长等特点,为解决不确定性随机性问题提供了途径,该方法在国内得到了广泛应用,但在国外还有待于继续推广。通用生成函数法(universal generating function, UGF)是一种简洁、高效的离散随机变量组合运算工具,为系统的状态列举提供了一种系统的方法,能够代替复杂的离散随机变量运算,减少了运算负担,并且可以根据需要定义不同的算子进行运算,在多状态系统可靠性评估中得到了广泛应用。但其传统的应用中忽略了时序性,评估结果粗糙,并且存在状态数爆炸问题。为此,提出了基于改进UGF法的随机生产模拟算法。首先,采用主成分分析法(principal component analysis, PCA)和分层聚类法相结合的方法获得典型风电出力时序样本,然后采用均摊法建立风电出力UGF模型。在建立UGF模型时,通过选择合适的公因子,将状态值化为公因子的整数倍,以有效抑制状态数指数增长,缓减了状态数爆炸问题。其次,对聚类后的时序风电出力模式进行UGF建模,得到时序UGF模型,该模型既可以体现风电出力的波动性,也可以体现风电出力的不确定性,克服了传统UGF法因缺乏时序性所致的风电特征代表性差的问题。再次,采用离散状态连续时间马尔科夫过程,建立了常规机组的时序UGF模型,通过这样的建模,能更精确的计算特定负荷,特定风电出力模式的系统可靠性指标。最后,基于通用生成函数法,考虑了机组的最小停运时间约束和机组调峰性能约束,扩展了随机生产模拟,评估了风电接入对电力系统可靠性,CO2排放量和燃料费用的影响。