新能源的发电功率具有显著的间歇性与随机性,给电力系统的安全经济运行带来了严峻挑战:一方面,大气系统的混沌特性使得新能源的出力水平难以被无差地预测,预测误差的概率统计特征极为复杂,电力供需态势因而面临着高不确定性;另一方面,电网运行人员在制定前瞻性决策时缺乏可靠的预测信息,系统运行策略的可行性与最优性难以得到保证。精准量化新能源发电功率的预测不确定性,构建对预测不确定性具有广泛适应能力的决策机制,对推动新能源的友好并网与规模化消纳具有重要意义,是目前新能源电力系统亟待解决的关键科学问题之一。概率预测对新能源出力可能的观测值及其概率意义进行估计,既是有效量化预测不确定性的手段,同时也充当着不确定环境下电力系统优化决策模型的先决输入,在学术界和工业界受到广泛关注。然而,传统概率预测方法普遍依赖参数化先验假设,难以实现多维度统计性能间的均衡。此外,电力系统长期沿袭着预测-决策分立执行的序贯模式,忽视了对预测应用价值的优化评估。针对以上问题,本文围绕新能源发电功率的自适应非参数区间预测及其在电力系统优化决策中的应用开展研究,从建模求解、信息交互和性能优化等方面构建起概率预测与决策的桥梁,形成了新能源概率预测-决策一体化的方法体系,主要工作及创新点包括:（1）提出了自适应分位数回归非参数区间预测方法。基于预测区间端点的分位数解释,构建了非参数区间预测的自适应双层规划模型,其中下层规划通过分位数回归生成一对概率可靠的分位数估计,上层规划通过调节由分位水平构成的模型超参数实现区间总体宽度的最小化。将自适应双层规划模型等效重构为单层双线性规划,并开发了高效求解该问题全局最优解的改进空间分支定界算法,通过边界紧缩策略提升了双线性约束的凸松弛精度和算法的收敛性能。所提方法克服了传统中心预测区间因限制概率对称性而导致宽度过于保守的问题,实现了预测区间端点与分位水平的联合优化,显著增强了预测区间对于非对称预测不确定性概率分布的自适应性。（2）提出了机会约束极限学习机直接区间预测方法。概率预测的本质要求是在保证良好概率可靠性的前提下最大化锐度性能,据此构建了直接区间预测的机会约束极限学习机模型,通过机会约束限制预测区间对新能源出力的覆盖概率,并以最小化区间宽度的期望值为目标训练极限学习机。机会约束极限学习机模型被等效为多面体约束下最小化0-1损失问题中目标参数的查找问题,为此开发了一种基于凸差规划的二分查找算法,该算法仅需求解有限次线性规划问题即可实现机会约束极限学习机的高效构建。所提方法摆脱了传统概率预测方法对预测区间端点定常分位数含义的限制,具备更高的概率可靠性与锐度提升潜力,实现了区间预测多维统计性能的最优均衡。（3）提出了成本导向的机器学习区间预测方法。针对目前概率预测方法仅关注提升统计性能、忽视应用价值的问题,引入了成本导向预测区间的新概念,要求在保证良好概率可靠性的前提下实现决策成本的最小化。构建了成本导向的机器学习框架,将区间预测、优化决策和成本评估各环节之间的信息交互关系通过机器学习双层规划进行建模,其下层问题生成预测区间端点与决策方案,上层问题对决策方案的成本进行评估,通过调节区间端点的分位水平优化决策成本。利用改进空间分支定界算法求解机器学习双层规划模型,同步获得成本导向预测区间及其决策序列。所提方法突破了新能源电力系统概率预测与决策环节存在的信息间隙,提升了概率预测的应用价值。（4）提出了电力系统运行备用量化的概率预测-决策一体化方法。根据正负运行备用容量需求与新能源发电功率预测区间的关系,将区间预测与概率性备用量化决策集成在统一的机器学习模型中。为权衡备用决策的成本效益,构造了计及备用预留成本与缺额惩罚的损失函数。通过预测区间覆盖概率约束保证运行备用的置信水平满足系统运行要求,在备用决策成本损失函数的引导下训练机器学习模型。概率预测与备用决策的一体化模型具有混合整数线性规划的数学形式,为了降低计算复杂度,开发了基于常系数收缩和冗余变量削减的可行域紧缩策略,显著提高了求解效率。所提方法克服了序贯预测-决策模式下难以通过调整预测结果改善决策性能的不足,实现了概率预测与决策性能的协同优化。