随着煤炭、石油等不可再生资源的日益枯竭以及全球气候环境的不断恶化,在世界范围内,优先发展、大力发展可再生能源的能源革命正在进行中,风能、太阳能等可再生能源已逐步成为电力能源的重要组成部分。但风力发电、光伏发电的间歇性、波动性制约着其发展。基于功率预测,通过合理的能量管理技术对间歇性能源的出力进行较为精准控制,将有助于电网调度部门及时制定日运行方式和调度计划,进而削弱间歇性能源对电网造成的不利影响,从而保证电力系统的可靠、安全运行。然而,随着能量管理技术的深入研究,调控策略的实现对海量数据处理的需求日益增加,使用传统的单/多线程结构化平台,既难以实现又需要付出高昂的软硬件成本。目前用于大数据处理的云平台构架已经在互联网领域有了成功的应用,此种构架具有大数据处理能力强、资源利用率高、应用成本低的优点,如果能够将其应用到间歇性能源的能量管理系统中,恰恰可以解决上述问题。本文基于大数据处理技术,对以风力发电和光伏发电为代表的间歇性能源的区域性能量管理技术进行了研究。以风力发电为例,结合团队在风电监控和风电功率预测方面的研究成果,提出了采用机组风速信息动态分类的风电场有功控制策略和由于故障或弃风引起的出力损失的计算模型；为实现该控制策略和计算模型,对所产生的大数据处理和计算要求进行了分析,并针对间歇性能源能量管理平台的需求特点,提出了结合内存数据库处理技术、传统关系型数据库处理技术和Hadoop云平台技术的系统解决方案。论文主要工作和取得的成果如下：(1)分析了目前间歇性能源在能量管理过程中所遇到的问题,提出了区域性管控思想,研究了间歇性能源在区域性能量管理过程中产生的大数据特点,结合传统和新型数据存储与处理技术,以及云平台的分布式存储和大数据处理技术,提出了一套复合的数据存储及处理解决方案,为间歇性能源能量管理系统中的应用提供了重要数据基础。(2)以风力发电为例,研究了间歇性能源有功功率调控问题,提出了采用机组风速信息动态分类的风电场有功控制策略和将动态分类的思想应用于光伏发电调控的构想。研究结果表明：采用机组风速信息动态分类的风电场有功控制策略可以比较精确的实现调度下达的调控目标,同时可以有效降低风电机组的启停次数,延长风电机组及其关键部件的使用寿命。(3)对风力发电由于机组故障或弃风而造成的出力损失情况进行了研究,提出了一种风电场及机组出力损失的计算模型与方法,以及基于MapReduce技术的出力损失计算实现方案。利用风电机组的历史运行数据建立风速、风向与功率间的专家数据库,基于该数据库建立风电机组出力损失计算模型,通过该模型可以准确计算机组故障或者弃风造成的出力损失。对基于MapReduce技术的出力损失计算方案的计算效能进行了分析,为将云计算与大数据处理技术应用于间歇性能源海量数据计算提供了研究思路,该方案在处理近于200GB海量数据的情况下具有优秀的处理性能。(4)基于大数据技术中的私有云构建思路,结合团队在间歇性能源的监控、运营管理和功率预测方面的研究成果,提出一套支持区域性调控的大规模间歇性能源的能量管理私有云平台的设计方案,基于该方案对团队原有的场站端间歇性能源能量管理系统进行了二次开发,并在内蒙某风电场由10台风电机组构成的运行环境进行了试验。试验表明系统安全可靠、运行效率较原有系统大大提高、可操作性强,达到了平台设计的预期目标。