自21世纪以来，随着环境的日益恶化、资源的日渐枯竭及社会经济可持续发展的需求，我们迫切需要建立以零排放、可再生能源为主体的能源结构逐渐取代以污染环境、资源有限的化石能源为主体的能源结构。风光发电系统主要以清洁的可再生能源作为发电原料，对降低环境污染、缓解能源压力有着巨大的作用。但是，风光发电系统的接入对主网系统的运行安全性和稳定性有一定的负面影响。同时，电力系统运行本身存在诸多不确定性。因此，如何实现发电成本最低，且保证系统运行的安全性，是目前风光发电系统研究的重点问题。　　本文针对风光发电系统的发电成本优化问题，提出了风光发电系统的功率输出改进预测模型；针对传统遗传算法的不足，首次引入免疫遗传算法求解基于机会约束法的随机最优潮流问题，并对比分析考虑不同随机因素下的仿真结果。本文主要研究内容如下：　　1.对于风光发电系统的功率预测问题，本文针对Weibull分布预测风速的不足，提出基于自回归滑动平均（ARMA）的改进风速预测法，并采用蒙特卡洛模拟法得到改进风力发电系统的功率预测值；针对Beta分布预测太阳光照强度及光伏组件温度的不足，提出基于马尔可夫链的改进功率预测法。通过实验仿真对比，验证所提出的改进风光发电系统功率预测的有效性及准确性；　　2.针对风光发电系统的发电成本优化问题，建立随机最优潮流计算模型，引入机会约束法来兼顾电力系统的经济性和安全性，同时引入免疫遗传算法求解考虑不同随机因素下的最优潮流问题。采用IEEE9节点系统进行仿真验证，并对比免疫遗传算法和传统遗传算法在求解考虑不同随机因素下的最优潮流结果，验证免疫遗传算法具有更高的精度和收敛速度。　　最后，对本文的主要研究内容进行了总结，并对未来风光发电系统功率预测、最优随机潮流的模型及求解算法的演变与发展进行了展望。