随着世界上常规化石能源的日益枯竭和全球气候变暖，人类增强了对新能源的开发和利用。风能与自然界中的矿物燃料不同，它是一种干净的、储量非常丰富的可再生能源。但是风的波动性、随机性和间歇性，使得风电大容量的并网给电网的安全、经济运行和电能质量等带来严峻挑战。如果能对风电场进行精确的预测，将减少电网的备用容量，降低电力系统的运行成本，同时也对风电参与电力市场竞价和电网的合理调度提供保障。本文以山东某风电场作为研究对象，以实测的历史数据来进行风电场的风电功率短期预测研究，并在风电并网条件下进行电力系统经济调度研究。　　首先，分析风电功率的影响因素，得出影响风电功率的主要影响因子为：风速、风向、气压、温度、相对湿度、叶片角度和发电机平均转速。然后，用灰色关联分析法对影响风电功率的因素进行量化分析，选取关联度较大的因素作为训练以及预测的输入。　　简要介绍最小二乘支持向量机（LSSVM）的结构、原理和特点。用LSSVM建立预测模型对风电功率进行了预测，为后面方法的改进提供了理论基础。　　将黑洞粒子群（BHPSO）算法引入到数值寻优领域中，实现对LSSVM控制参数的寻优搜索，从而提出BHPSO-LSSVM算法。将该法预测结果与传统的LSSVM预测结果进行比较分析。　　最后，利用前面介绍的风电功率点预测信息为基础，考虑了风电功率预测误差可能对系统造成的不确定影响，并将风电穿透功率引入到正、负旋转备用当中，采用黑洞粒子群（BHPSO）算法和传统粒子群（PSO）算法分别建立含风电场的电力系统经济调度模型，并对模型进行求解，最后对两种方法得出的结果进行比较分析。