风电出力具有明显的随机性、波动性以及间歇性等不确定性特征,随着风电渗透率的不断增加,生成满足时序性要求的风电序列场景集用以描述未来风电出力的不确定性,对于含大规模风电的电力系统调度具有重要意义。面向电力系统调度的风电序列场景集需同时具备描述未来风电随机性和时序性的能力,本文据此提出一种基于自适应预测箱和状态转移概率矩阵的风电序列场景集两阶段生成方法。在单时段分析阶段,本文研究了一种基于自适应预测箱技术的静态场景集生成方法。对传统预测箱技术进行改良,通过生成自适应预测箱描述不同预测出力幅值下预测误差的概率分布,对概率分布进行随机抽样并与预测值叠加,等价于对风电出力进行抽样,将自适应预测箱对预测误差概率分布拟合的优势转移到静态场景集生成过程,得到一定规模的静态场景集,并分别从数字统计特征和分位点概率分布回归两方面验证所提生成方法的合理性。在多时段分析阶段,本文在静态场景集的基础上,提出一种状态转移概率矩阵和禁忌搜索算法相结合的序列场景集生成方法。该方法以保证风电随机性为前提,以改进序列场景集的时序性为主要目标,重点解决相邻时段静态场景集的连接问题。结合状态转移概率矩阵确定禁忌搜索算法初始解和邻域解中序列场景的状态转移,滤除多时段转移过程的不合理波动,经过迭代过程生成既满足风电随机特性、又满足时序性要求的序列场景集,形成场景质量和计算效率均较高的风电序列场景集生成方法。最后,本文分别以国外和国内风电数据为原始数据,将所提序列场景集生成方法应用于考虑大规模风电接入的电网调度优化计算中,通过对比分析不同算法间的相关评价指标,验证所提方法在实际工程中的应用价值,并研究了算法参数对实际应用效果的影响,为工程技术人员提供参考依据。