传统配电网中由于风、光等波动性能源发电的高渗透率接入从而形成了主动配电网,风、光发电的不确定性给电力系统的调度带来了新的挑战。本文首先通过多场景技术实现了发电不确定性到确定性问题的转变;然后在此基础上对配电网调度问题展开研究。本文关注的调度主要包括正常运行时的经济优化调度和发生故障后的孤岛划分问题,进而提高电网运行经济性与故障后恢复供电的重要负荷量。针对含风力发电和光伏发电的电力配电网中优化调度和孤岛划分策略进行学习讨论:1)分析了风力和光伏的发电特性,包括发电的转换特性和有功出力的不确定性;之后对短期的负荷预测进行了研究。首先对视野和步长两个参数进行自适应设定,使其动态变化,再引入精英反向学习机制得到改进后的人工鱼群算法;通过改进的算法对最小二乘支持向量机中的核宽度系数和正规化参数进行优化选取,本文采用优化后的最小二乘支持向量机对负荷进行了预测。2)主动配电网的经济优化调度:运用改进后的K-means聚类算法对风、光发电场景进行划分,对于负荷不确定性,通过信息熵确定最优场景划分数,实现了不确定性到确定性问题的转变;然后建立多时间尺度的优化调度模型,即日前-日内滚动-实时的调度模型,提出相应的调度策略;通过引入混沌搜索、自适应设定爆炸半径以及精英保留和精英交叉策略的应用,改进了传统的烟花算法;运用改进后的烟花算法对调度模型进行求解得到最优的调度方案。3)故障后主动配电网孤岛划分:在解决不确定性问题的基础上,提出一种多时段的孤岛划分策略。首先得到不同场景下确切的分布式电源出力和负荷预测数据;然后在约束条件下,制定网络损耗最小、恢复供电负荷价值最大的目标;最后运用深度优先搜索方法,在非故障区域通过“搜索+调节”的策略得到动态的多时段孤岛划分方案。最后采用改进的PG&E69节点电力配电系统进行仿真,验证所提策略的实用性。