随着全球能源结构的不断调整,新能源发电规模迅猛增长。风力发电作为目前技术最为成熟的一种新能源发电方式,得到了前所未有的高速增长,其发电规模更是超越了核能发电。然而风力发电固有的随机性、间歇性和不可调度性,会对风电并网系统的静态电压稳定性造成影响,并且这种影响会随着风电渗透率的提高而变得越来越明显。为了全面分析风力发电并网对电力系统稳定性的影响,本文重点研究了风电并网系统概率潮流计算及静态电压稳定概率评估方法,主要工作内容如下:首先,针对基于加权高斯混合分布(Weighted Gaussian Mixture Distribution,WGMD)构建风电场概率模型的方法中EM(Expectation Maximization)算法由于其固有缺陷导致整个模型拟合精度降低的问题,提出基于DAEM(Deterministic Annealing Expectation Maximization)算法的风电场概率建模方法。DAEM算法通过引入退火机制,避免了在模型参数最大似然估计时,EM算法容易陷入局部最优的问题,使得风电场模型更加准确。通过采用风电场有功出力的实测数据进行模型建立对比分析,结果表明了该改进算法的精确性和有效性。其次,提出一种改进的马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)模拟法。目前,在基于MCMC模拟法的概率潮流计算方法中,被广泛应用的Gibbs采样算法需要进行大量复杂的迭代运算才能得到比较精确的计算结果。针对该算法的缺陷,本文提出了基于切片采样(Slice sampling)算法的MCMC方法,并应用于风力发电并网系统概率潮流计算中。仿真结果表明:切片采样方法能够提高传统MCMC方法的计算准确度;同时,在与Gibbs算法采样迭代次数相同的情况下,切片采样算法所生成的马尔科夫链可以更快、更稳定地收敛于平稳分布。最后,针对目前风电并网系统静态电压稳定概率分析的不足,提出了一种基于L指标的风电并网系统静态电压稳定概率评估的新方法。采用L指标分析包括风电并网节点在内的各PQ节点的静态电压稳定性,同时推导了L指标对风电并网节点注入功率的灵敏度。根据本文前述改进概率评估方法得到各节点L指标的概率分布特性,结合静态电压失稳严重度计算并网系统的静态电压失稳风险,并且找出系统的薄弱节点。通过在含风电场的IEEE14节点系统和IEEE39节点系统进行仿真分析,计算结果验证了本文所提方法的可行性和有效性,为提高风电并网系统静态电压稳定性而采取的补偿措施提供了更准确的信息。