风电消纳。此外，传统计及风电不确定性的优化调度方法由于求解复杂、计算时间长，存在结果最优性与方法实用性之间的矛盾。
针对以上问题，提出了一种基于风电离散化概率序列的机会约束规划优化调度方法。该方法利用一组Beta分布概率密度函数族描述风电不确定性，并结合概率序列运算理论将其简化为离散化概率序列，降低了风电概率分布模型的复杂程度。
在此基础上，结合机会约束规划理论，建立了基于风电离散化概率序列的机会约束规划调度模型，并进行求解，进一步简化计算，降低求解时间，为考虑风电不确定性的优化调度问题提供了一种简单有效的解决思路。最后，以某地区电网为例，验证了所提方法的可行性和有效性。
随着全球风电产业的迅速发展，高比例风电接入将成为电力系统新场景。在全新场景下，风电功率的随机波动、预测误差等不确定性特征更加明显，一方面加剧了风电消纳受阻程度，另一方面也增大了系统备用容量需求，提高了系统运行成本，给传统优化调度带来了极大挑战，因此，亟待解决计及风电不确定性的优化调度问题。在此背景下，需要研究合理的风电不确定性模型，并将其应用于含风电接入系统的优化调度方法。
目前，根据风电不确定性模型，主要有以下几种计及风电不确定性的优化调度方法：
①文献[6]基于风电功率点预测模型，在传统经济调度基础上，通过增加系统备用来应对风电功率预测误差等不确定性因素，该方法存在风电消纳电量最大与运行成本最低之间的矛盾，难以取得理论最优解；
②文献[7,8]采用模糊随机变量来描述风电不确定性，建立了电力系统随机模糊多目标交易计划模型，虽然降低了风电不确定性的影响，但依据专家经验获取模糊隶属度，具有较强的主观性；
③文献[9-11]采用区间变量描述风电不确定性，并结合鲁棒优化调度方法解决了含风电系统的经济调度问题，虽然优化结果能够以一定置信水平满足所有风电出力场景，但存在过于保守、对优化目标牺牲过大的风险。
相比较而言，基于风电不确定性的连续性概率分布模型，并采用机会约束规划优化调度方法，能够取得一定概率意义下的最优调度方案，在解决含风电优化调度问题中得到了广泛应用。
目前正态分布、Beta分布等风电不确定性概率模型在系统优化调度建模中得到了较多应用。然而正态分布属于无界对称概率分布，在风电预测出力接近上、下限时，容易局部放大风电功率预测误差，而Beta分布属于有界非对称概率分布，自变量取值范围为[0,1]，与风电场有功出力（标幺值）相对应，且Beta分布参数设置灵活，形状多变，总体上比正态分布模型能更加精确地描述风电功率预测误差。
风电概率分布模型能较准确地描述风电不确定性，但在构建机会约束规划优化调度模型时，也存在模型求解复杂问题。文献[16]利用连续性概率分布密度函数描述风电功率波动和负荷预测误差，建立了机会约束规划的虚拟电厂经济调度模型，并采用随机模拟和遗传算法相结合的混合算法进行求解；文献[17]采用蒙特卡洛模拟法和机会约束规划法，建立了
