现代电力系统规模不断扩大、网络结构日益复杂,其模型化的计算分析都可能面临计算复杂性的严峻挑战。即使对于最基本的潮流计算,传统的串行计算方法已难以满足大规模电力系统实时分析和控制的要求,而并行计算为该类大规模运算提供了可行的途径。随着廉价的并行Beowulf集群的出现,为解决大规模电力系统在线仿真分析问题提供了极具吸引力的机会。本文受973计划项目“提高大型互联电网运行可靠性的基础研究”(2004CB217908)和国家自然科学基金项目“电力系统可靠性跟踪的理论及应用研究”(50577072)等的资助,对大规模复杂电力系统并行潮流计算、并行可靠性评估以及并行可靠性跟踪等进行了深入研究。结合大规模电力系统牛顿法潮流计算中修正方程组高维、稀疏性及短向量的特点,提出牛顿法潮流计算的预条件处理GMRES(Generalized minimal residual)串行计算方法。为寻找适合大规模电力系统潮流计算的预条件子,详细比较分析了不完全LU分解(ILU)、不完全Cholesky分解(ICC)、Jacobi、Successive Over-Relaxation(SOR)和对角线等多种预条件子的预处理效果,并形成相应的预条件处理GMRES方法。算例分析表明:ILU预条件子比其它预条件子需更少的迭代次数和浮点运算次数,当系统规模达3000节点以上时,其浮点运算次数约为LU直接法的50%左右。预条件处理GMRES方法不存在前推回代依赖关系,且其矩阵向量运算本身具有潜在的并行性。为此,结合块Jacobi矩阵的结构特点设计了准对角并行预条件子矩阵,基于该预条件子和Jacobi矩阵更新的并行化技术,提出大规模电力系统潮流计算的并行GMRES算法。其中,根据并行处理器数确定块Jacobi预条件子矩阵的分块数,设计了高效的准对角并行预条件子矩阵;通过对Jacobi矩阵更新过程的矢量化处理,结合并行稀疏矩阵向量运算技术,提出Jacobi矩阵更新的并行化计算方法。算例分析表明:随着系统规模的增大(达到3000节点及以上时),本文并行潮流计算方法比传统并行LU分解法在并行加速比、并行效率等方面有明显优势。针对大电力系统并行可靠性评估中静态任务分配方法存在进程间通信次数多、过度计算等不足,在详细分析Monte-Carlo仿真过程中可靠性指标方差系数和抽样次数变化规律的基础上,提出基于De Moivre-Laplace中心极限定理和曲线拟合相结合的启发式动态任务分配方法,并提出基于动态任务分配的大规模电力系统并行可靠性评估模型。在并行任务分配过程中,根据已有的仿真信息对总的抽样次数进行合理的估计,使得单次任务分配量尽可能多,以达到减少进程间通信次数的目的。算例分析表明基于本文提出的动态任务分配方法可较好地提高并行效率。大电力系统结构复杂、元件众多,各元件对系统不可靠性的“贡献”各不相同;同时,基于可靠性评估技术的大电力系统可靠性跟踪仍需超大规模计算量,传统的串行处理技术仍难以实现。为解决上述两方面问题,本文提出大电力系统不可靠性跟踪的比例分摊准则,并结合前面提出的动态任务分配方法,提出大规模复杂电力系统并行可靠性跟踪模型。可靠性跟踪过程中,系统的不可靠性由故障元件承担,即正常运行元件不参与不可靠性指标的分摊,元件对不可靠指标的分摊按比例进行,即用比例分摊准则。算例分析表明:本文提出的并行可靠性跟踪方法能够快速准确地将大电力系统各可靠性指标公平合理地分摊到各元件,并有效地辨识了系统的薄弱环节。随着高压直流输电技术的不断发展和实际工程的日益增多,现代电力系统已逐渐发展成超大规模跨省、跨区域交直流混合系统。为快速准确地辨识交直流电力系统的薄弱环节,结合可靠性跟踪理论和并行计算技术,建立了大规模交直流混合系统并行可靠性跟踪模型和算法。结合交直流混合系统可靠性评估过程的特点,提出了交直流混合系统可靠性评估的三层(HVDC子系统、HVDC输电系统、含HVDC的电力系统)链式分摊模型,即在交直流混合系统可靠性计算过程中对可靠性指标进行多次分摊和合并,进而实现交直流混合系统各元件对系统不可靠性的分摊。算例分析表明:本文提出的基于链式分摊模型的并行交直流混合系统可靠性跟踪算法具有高效性和合理性。