水电事业在中国的蓬勃发展，使得水电优化调度一直是国内的热门研究课题。由于水电系统中径流存在不确定性，确定性优化调度在面临中长期径流预报精度不高等情况下会导致优化效果下降；随机优化调度由于考虑了实际运行中径流的不确定性，结合面临时段的来水情况进行调度，相比于确定性优化方法更能应对径流不确定性因素的影响，是一种切实可行的调度方式。　　传统随机优化调度规则的描述和制定方法中存在一定的不足：线性调度函数通常不符合水电系统的非线性特性；而基于人工智能的非线性调度函数面临解释性差等问题；基于模糊集理论的调度规则虽然改善了上述问题，但仍存在概念“硬划分”及隶属函数“静态”描述等问题。为此，本文从水电调度系统自身特性及工程实际出发，对调度规则的提取和制定进行了深入的研究：　　首先，通过统计校验方法对研究水库群的入库径流资料进行一致性分析，以确保整个后续研究的有效性。针对决策变量的影响因子，文中考虑了电站自身的状态以及梯级系统状态的多个变量，并通过逐步回归分析方法提取主要影响因子。　　其次，引入云模型理论用于调度规则的挖掘和制定：通过云变换和云跃升理论将调度规则输入输出变量进行云概念抽取，得到的概念更贴近原始数据分布与特性；同时，通过不确定性云推理输出，改进了传统模糊集推理调度规则中“静态”隶属函数的问题，实现了调度规则的不确定决策描述。　　最后，通过调度规则模拟指导实例运行，引入蒙特卡洛法抽样模拟重点分析调度规则对中长期径流预报误差的适应能力，评估了调度规则发电优化调度性能和维持系统稳定的能力，并与传统调度函数和模糊集推理调度规则的结果进行对比，结果验证了本文方法的有效性。