智能电网和新能源技术的发展,推动了柔性负荷的应用,也使得负荷侧的构成及不确定性更加复杂,同时电网数据在进入大数据时代后呈爆发式增长,给电力系统的安全稳定评估带来挑战。可用输电能力(available transfer capability,ATC)是电力系统调度和电力市场交易的重要参考,经典ATC计算方法难以满足电力系统ATC在线评估的要求,数据挖掘方法为该问题提供了新的思路。本文对计及负荷侧不确定性的ATC快速评估方法展开研究,主要研究工作和取得的成果主要有:(1)提出了负荷侧不确定性的表征方法,主要考虑了风电出力、光伏出力、价格型需求响应和激励型需求响应的不确定性。负荷侧不确定性和源侧不确定性不同,负荷侧的大部分负荷节点都有不确定性,因为该表征方法具有可叠加性,所以能有效处理负荷侧的这一特点。以北爱尔兰2019年风电数据、山东某区域2016年光伏数据、山东电网某市负荷数据为样本进行分析,结果表明风电和光伏的不确定性表征方法具有较强的适应性,能够较好地拟合风电和光伏出力的预测误差概率分布的多峰和不对称的特点,与核密度分布、T分布和正态分布相比,该方法具有更高的精度。子高斯个数会影响不确定性表征方法的拟合效果,价格型和激励型需求响应不确定性对负荷曲线的影响明显。对负荷侧不确定性表征方法的研究为计及负荷侧的不确定性的ATC评估方法提供了基础。(2)研究了基于改进多点估计法的TTC统计矩计算方法,利用上述负荷侧不确定性表征方法表征了风电出力、光伏出力、价格型需求响应和激励型需求响应的不确定性,基于Nataf变换和Gauss-Hermite积分确定积分点对应的风电出力、光伏出力、价格型需求响应量和激励型需求响应量,根据运行场景集计算考虑负荷侧不确定性的TTC统计矩。山东电网500kV及以上主网架系统的仿真结果表明该方法能有效计及负荷侧不确定性,压缩运行场景数,并且可以通过提高点估计数量提高计算精度,计算精度高于引入Nataf变换的两点估计法。(3)研究了基于堆叠降噪自动编码器(stacked denoising autoencoder,SDAE)和改进多点估计法的ATC评估方法,利用负荷侧不确定性表征方法表征了风电出力、光伏出力、价格型需求响应和激励型需求响应的不确定性,利用SDAE和Gram-Charlier级数展开计算得到不同越限概率下的ATC。和传统确定场景下的ATC相比,不同越限概率下的ATC对输电线路的剩余输电容量的评估更加全面。山东电网500kV及以上主网架系统的仿真结果显示该方法计算精度较高,优于改进两点估计法,基于SDAE计算确定性场景下的TTC的计算精度优于主成分分析加神经网络和普通神经网络。可以通过增加估计点数提高基于SDAE和改进多点估计法的ATC评估方法的计算精度。