长期以来,传统电力行业以化石能源为基础进行发电调度,例如煤炭、石油、天然气等。风电、光电和水电等可再生能源所占发电比例较小。但是随着发电技术的逐渐成熟,气候变暖,环境污染等问题的日益突出,世界各国都在追寻低碳环保的发展方式。在我国风光资源丰富,大规模的开发和利用这些新能源进行发电可以使环境和能源问题得到很好地解决。然而由于风光发电的输出功率存在间歇性和随机性,为了电网的稳定安全运行,不得不舍弃部分风电和光电,新能源的利用率也会随之降低。所以如何在保证系统稳定安全的运行情况下,更多的消纳新能源发电,减少弃风弃光量,是近年来新能源发电的研究重点。本文首先归纳总结了风电和光电的发电特点以及影响因素,分析了功率预测现状,以及促进新能源消纳的措施。通过对风电和光电发电模型以及影响因素的分析,了解到风光出力具有很强的随机性和不确定性,然后根据风电和光电的具体影响因素,采用不同的方法对风电和光电的输出功率进行预测。对于风电来说,由于风速是影响风电输出功率的最重要的因素,因此采用了风速时间序列对风速进行预测,然后通过风电输出功率曲线,对风电的输出功率进行预测;对于光电预测来说,由于光伏发电具有一定的周期性,因此本文采用了最佳相似日的方法,结合神经网络对光电出力进行预测。然后在风光预测的基础之上,建立含有风光出力的电力系统调度模型,分别以风光消纳最大和火电机组运行成本最小为目标,对不同的调度模型进行求解。本文采用改进的粒子群算法,通过对模型的求解分析,给出不同调度方案中各个机组的出力情况,并通过结果分析改进粒子群算法的优势。最后根据调度方案分析得出当只有火电机组进行调峰时,风光的消纳能力会受到一定的影响,因此本文通过对储能装置的分析,建立含有储能装置的风光储联合调度模型。以风光消纳最大和火电机组运行成本最小为目标函数进行求解,采用改进的粒子群算法,并将求解结果与不含储能装置的调度结果进行比较,得出储能装置的引入可以降低火电机组的运行成本并提高风光的消纳能力。并在对单目标求解的基础上,考虑两个目标的联合优化,采用改进的MOPSO算法求解,对联合优化的结果与单目标优化结果进行分析,说明多目标联合优化结果可以更好为对电力系统调度提供理论支持。