进入21世纪,随着温室效应的加剧以及人们对传统化石能源利用的重新认识。世界各国对发展清洁、安全、可持续的新能源研究投入了更多的热情。风能资源在自然界中的存储量丰富,是一种清洁、安全环保的新能源。并且采用风力发电技术不会排放如化石能源的污染物和二氧化碳。由于自然风具有波动、随机、间歇和季节等显著特性,因此风力发电技术不具备常规能源发电的调频、调峰等能力。当大规模的风电场在没有足够的调峰容量下接入电网时,会给电网系统的安全稳定运行带来不确定因素。因此,当风电并网时需要电网系统预留足够的调峰余量。当调峰容量过多时会造成系统的浪费,过少时会影响电网系统的安全与稳定。提高风电场出力精度能够对系统的调峰容量大小进行调节。本文从提升风电消纳的水平和维护电网系统安全、稳定运行出发,采用基于经验模态分解和神经网路相结合的预测方法对风电出力进行了预测。通过对比传统的BP神经网络预测方法,预测精度上有所提高。风电预测精度能够在很大程度上影响电网系统运行的稳定性。短期负荷的预测精度,能够给电网系统预留适当的调峰容量做出参考。基于支持向量机的短期负荷预测能够应对更多的扰动因素,预测精度上有所提升。为了解决因调峰不足引起风电消纳难的问题,结合目前高耗能企业的特点和风电场运营的现状,提出了高耗能企业参与电网内风电消纳的就地消纳模式。建立了高耗能企业同风电场相互配合的模型,通过设计的价格机制和电网峰谷负荷制约引导高耗能企业的日常用电负荷跟随风电出力波动以及电网峰谷负荷大小调整用电量,达到平衡风电波动和减小电网负荷峰谷差的目的。基于机会约束规划的框架给决策者在结果满足一定的置信水平下做出有利决策提供指导。