随着风力发电技术的不断发展,风电在电力系统中的比例逐渐扩大。风电的随机性和波动性对电网造成不利的影响。为了合理安排调度计划,确保电力系统安全稳定运行,需要对风电功率进行准确预测。研究短期风电功率预测和含风电场的电力系统经济优化调度对提高风能的利用效率和优化配置电网调度运行具有重要的工程应用价值。本文从短期风电功率预测和含风电的电力系统经济优化调度两方面的问题展开了研究,主要内容如下:1.研究了风能资源的特性,采用Weibull分布函数建立风速的数学模型,研究了影响风速的各种因素。研究分析了短期风电功率预测的三种基本方法。此外研究了短期风电功率预测的具体步骤以及评价标准。2.利用ARMA时间序列法分别对风速和风电功率进行预测。通过对某风电场的输出功率采用ARMA方法、BP神经网络、RBF神经网络和广义回归神经网络等四种方法进行预测分析,研究结果表明:广义回归神经网络的预测精度最高,预测性能最优。研究了等权平均组合预测法、协方差优选组合预测法和熵值组合预测法,得出组合预测方法的预测精度比单一预测方法要高,协方差优选组合法的预测性能优于等权平均组合预测法和熵值组合预测法。3.研究了与风电输出功率相关的各种影响因素,建立基于多参数的风电功率预测模型。通过对不同的输入组合进行仿真验证,得出了最佳的风电功率预测的输入组合是风速、功率、温度和气压。本文采用一种基于改进的万有引力搜索算法优化的广义回归神经网络组合预测模型,通过对某风电场实测数据进行仿真实验,得出其预测误差比各种组合预测方法小,有较好的预测性能,验证了模型的可行性。4.根据风电场的出力特性,考虑了风电功率预测误差对电网的不确定性影响。风电成本用风电的预期成本、风电功率高估成本和风电功率低估成本三者相加。目标函数采用风电成本和火电成本相加,建立了考虑风电功率预测误差的电力系统优化调度模型,设立三种不同的场景,采用狼群算法和改进的狼群算法分别对不同场景进行优化求解,结果表明改进的狼群算法解决了狼群算法陷入局部寻优的不足,具有更好的优化性能。场景二考虑风电并网后能够降低电网的发电成本,而场景三考虑风电功率预测误差后使得电网总的运行成本进一步的降低。结果验证了模型的有效性。