随着化石能源的日渐枯竭和环境问题的日趋恶劣,风力发电获得迅速发展。大规模风电接入导致电力系统的波动性、时变性和不可控性增加,系统供需失配风险显著上升,通过可靠性评估与跟踪指导可靠性提升措施、降低系统停电风险成为一项急迫的任务。不确定性因素的分析和建模,是含风电电力系统可靠性评估及后续工作的基础。不确定性可分为两大类,即:随机不确定性和认知不确定性。以往研究主要考虑随机不确定性,即不可消除的客观的不确定性,而忽略了由于主观认知水平不够或信息/数据不足而导致的认知不确定性。随着风电等新能源以及新型负荷的涌现,忽略认知不确定性将无法对电力系统可靠性做出客观准确的评估,甚至导致不可靠的系统运行或规划方案。基于此,本文受“国家自然科学基金委员会-国家电网公司智能电网联合基金项目（U1966601）”的资助,围绕考虑认知不确定性的含风电电力系统可靠性评估、可靠性跟踪等问题开展研究,主要研究内容如下:针对风电出力认知不确定性建模方法缺失的问题,本文分析了风电出力认知不确定性的来源,基于证据理论和信息融合技术提出了风电出力认知不确定性的建模方法和关键参数量化方法。首先,基于证据理论构建了能同时考虑随机不确定性和认知不确定性的风电出力模型;然后,基于运行经验等构建多源专家信息,通过专家信息与历史数据的多源信息融合以提升风电出力不确定性的建模精度,同时提出了基于历史数据充裕度的关键参数选取原则;最后,提出了同时反映两类不确定性的风电出力序列生成双层蒙特卡洛模拟方法。对西北某风电场实际数据进行算例分析,分析了历史数据充裕程度对风电出力认知不确定性的影响,证明了所提方法的有效性。本文提出了同时考虑源荷双端认知不确定性的含风电电力系统可靠性评估方法,更准确地反映了系统可靠性水平,为电力系统运行、规划提供依据。首先,分析了关于负荷和元件停运的认知不确定性,基于概率盒方法建立了面向可靠性评估的负荷模型和元件可靠性模型;然后,将考虑认知不确定性的风机可靠性模型与上述风电出力模型有机结合,得到统一的风电不确定性模型;最后,提出能够提取系统实时运行信息、完成多源信息处理与融合的含风电电力系统可靠性评估模型。对RBTS系统进行算例分析,证明了源荷双端的认知不确定性对系统可靠性有较显著影响。传统可靠性跟踪方法只考虑元件可靠性,难以应用于具有认知不确定性的含风电电力系统。为此,本文提出了考虑多源异质风险因素的含风电电力系统可靠性跟踪方法,辨识影响系统可靠性的关键因素,为可靠性优化提供量化决策依据。首先,提出了考虑随机不确定性、认知不确定性的风电出力和元件可靠性等多源异质风险因素的建模方法;然后,基于方差分析提出能够衡量多源异质风险因素对系统可靠性影响的风险责任贡献度指标;最后,提出基于全局灵敏度分析的含风电电力系统可靠性跟踪方法。对IEEE-RTS79系统进行算例分析,证明了本文所提跟踪方法能准确地将系统负荷削减责任分摊至元件可靠性、随机不确定性和认知不确定性等多源异质风险因素。