随着全球经济的快速发展、城市化进程不断加快，能源短缺、环境污染越来越严重。风能以其无污染、可再生、利用简单等优势逐渐得到越来越多的关注，风力发电已成为一种重要的可再生能源发电形式。由于风电出力所具有不确定性和反调峰性，风电大规模并网后给电力系统的优化调度提出了巨大的挑战，严重影响了电力系统的安全稳定运行。为此，研究考虑风电出力不确定性的电力系统优化调度问题具有非常重要的理论价值和现实意义。为了提高优化调度模型的求解效率，提出一种基于T-S模糊神经网络改进遗传算法，该算法利用T-S模糊神经网络刻画复杂非线性映射的优良特性，定量模拟父代与子代种群之间的非线性进化过程，并将其作用于遗传算法的种群进化过程。通过算例表明，采用基于T-S模糊神经网络的改进遗传算法求解含风电电力系统多目标优化调度问题，可通过合理先择种群隔代数和种群规模，提高运算的精度和收敛速度。针对多风电场出力的不确定性，首先，借助Gumbel-Copula函数构建多风场出力的联合概率分布，以常规机组发电成本和总污染排放量最少为优化目标，建立一种含多风场的电力系统多目标随机优化模型；其次，采用抽样平均近似法对机会约束条件进行处理，将随机优化模型转换为确定性优化问题；再次，针对经抽样平均近似法转换后的多目标优化模型难求解的问题，运用模糊理论，建立模糊数学模型，将多目标优化问题转化为单目标优化问题，并采用改进遗传算法对其进行求解；最后，通过对IEEE-14节点系统的算例分析，验证了含多风场的电力系统多目标随机优化模型的合理性与有效性。针对大规模风电接入湖南电网后调峰存在的问题，考虑风电出力的不确定性和常规机组的调峰能力，构建一种考虑机组深度调峰的湖南电网多目标随机优化调度模型，提出大规模风电接入湖南电网后的调峰运行方式安排，在提高风能利用率的同时，增强了湖南电网的调峰能力。