近年来我国可再生能源持续快速发展，高比例可再生能源并网将是我国电力系统发展的必然趋势和重要特征。大量分布式电源接入电力系统，对电网正常运行、电能质量均产生影响，也为电能消纳、存储提出新的要求和挑战。在甘肃地区新能源产业大力发展的背景下，充分利用新型能源，将抽水蓄能电站与风力、光伏发电站联合运行，减少弃风弃光，降低对电网的冲击和影响，是本文的主要研究目的。
　　为了把握风电和光伏功率变化趋势，便于制定调度任务，本文引入了改进引力搜索算法优化的反向传播（GSA-BP）神经网络的短期风光功率预测方法。首先，针对神经网络对风光功率进行预测收敛慢、过拟合、参数冗余等缺点，本文利用GSA算法良好的全局优化能力，确定BP的最优权值和阈值，增强了BP神经网络的性能。然后，本文引入了一种新的误差修正方案，验证了预测误差与特定的综合气象指标之间具有一定的相关性。仿真结果表明，本文提出的改进的风光功率预测方法能获得较好的预测结果，误差修正方法能够提升预测精度，具有广泛的适用性。
　　为实现风电场的经济运行，改善风电、光伏功率的输出功率波动性和提高风能、光伏的利用率，本文建立了风-光-蓄多目标优化模型。首先，以风-光-蓄联合发电系统综合效益最优、弃风率弃光率最小为目标建立了多目标优化模型。然后引入DCMOPSO算法来求取联合发电系统的Pareto最优解集，该算法设置多个种群同时进行独立搜索，有效提高了算法的搜索能力。通过动态学习样本和差分变异，进一步避免算法陷入局部最优。最后，为了降低决策者在Pareto解集寻找方案的难度，引入TOPSIS决策法获取无偏最优解。算例分析验证了所提模型的有效性。
　　风光的波动性将会导致风电、光伏并网对电力系统的可靠性、安全性以及经济性运行带来威胁，因此，引入抽水蓄能平抑风光功率的波动性，实现削峰填谷的作用。针对风光出力的不确定性，以及风光并网时的出力波动，提出了一种高比例可再生能源基地风-光-蓄联合运行优化调度模型与方法。首先，以风-光-蓄联合发电系统综合效益最优、联合发电系统功率波动最小及功率需求匹配最佳为目标，建立全天96个时段的优化调度模型。然后，引入改进NSGA-Ⅲ多目标优化算法来求取联合发电系统的Pareto最优解集。最后，结合酒泉新能源基地进行仿真，算例分析验证了所提模型的有效性。