新能源发电作为应对化石能源枯竭与全球气候变暖的重要举措备受全球各国的关注。近年来,以光伏、风电为代表的中国新能源产业取得了快速发展,装机量跃居世界第一。但是光伏与风电等新能源的出力多受制于天气情况,进而导致其难以预测,波动性强,随机性大,与传统的发电机组存在较大差异。随着新能源的大量并网接入,电力系统传统的发电调度策略将面临严峻的挑战,因此如何实现有效应对新能源预测误差大和波动性强的新型发电调度,将是电力系统相关运行部门亟需解决的重大问题。本文首先归纳了当前电力系统下的应对新能源发电调度方法,其次围绕大规模新能源并网的需求,引入了能够较好处理随机因素的鲁棒优化理论,结合对大数据的分析,系统地研究了基于数据驱动的鲁棒优化调度方法。取得的主要研究成果如下:(1)首先,针对大规模分布式新能源接入的主动配电网中可控设备如何经济调节问题,建立了基于支路潮流模型的主动配电网鲁棒经济调度模型,并采用二阶锥松弛与大M法对该模型进行凸化处理。针对分布式新能源的随机出力,利用分布式新能源的历史数据,建立了考虑空间相关性的鲁棒不确定集合,并从理论上证明了所提鲁棒不确定集合在该凸优化模型中的适用性,同时给出了适用于该鲁棒优化模型的两阶段求解策略与求解算法。仿真结果验证了所提考虑空间相关性的鲁棒不确定集合能够有效提高系统运行的经济性。(2)其次,针对现有鲁棒机组组合问题中,决策过于保守,机组利用率低等问题,提出了一种基于数据驱动的鲁棒机组组合方法,该方法利用历史数据构建了广义凸包形式的鲁棒不确定集合,能够考虑新能源场站间的时空相关性。由于所建立鲁棒机组组合问题为多时段多变量双层优化问题,因此提出了适用于广义凸包形式不确定集合的列和约束生成算法对本文所提鲁棒机组组合问题进行求解。仿真结果验证了所提基于数据驱动的鲁棒机组组合方法能够有效降低决策的保守性,提高机组利用率,降低运行成本。(3)针对多新能源场站与大规模实际电力系统背景下数据驱动鲁棒优化调度问题中整数变量多,难以有效求解的问题,本节首先对比总结了求解鲁棒优化调度问题的算法,其次结合本文所提基于数据驱动的鲁棒不确定集合特点,提出了改进的列和约束生成算法,通过将子问题进行解耦处理并行计算加快了求解速度,同时以鲁棒机组组合问题为例,提出了机组组合潮流约束的无效约束辨识的策略,进一步降低模型的复杂度。将所提算法策略应用于IEEE 118节点电力系统与波兰3120节点实际电力系统,仿真结果验证了所提算法的有效性。