短期内风力发电的大幅波动将形成风电功率爬坡事件。在并网过程中,风电功率爬坡对电力系统的稳定运行产生严重的危害。在极端恶劣气象条件下,风电功率爬坡事件会破坏电网内原有的功率平衡,从而严重影响负荷端的正常供电。因此,对爬坡事件进行精确地预测并提出有效的控制方法至关重要。本文针对风电功率爬坡预测精度较低,从而导致电力系统稳定性较差的问题,提出了风电功率爬坡的预测方法和控制策略,具体研究内容如下:(1)利用旋转门算法识别风电功率爬坡事件,在此基础上进行旋转门算法的改进,并通过算例仿真验证改进的旋转门算法识别和提取风电场爬坡事件的可行性和有效性,并为第三章的风电功率爬坡预测做准备。(2)提出一种基于马尔可夫转换向量自回归模型(MSAR)修正风电预测残差的改进模型。提出一基于k最近邻的支持向量回归(kNN-SVR)模型来融合三个独立的短期数值天气预报,降低数值天气预报的不确定性。基于融合模型,利用反向传播神经网络(BPNN)对风电功率进行预测,并通过算例分析验证该方法的有效性。在此基础上,提出马尔可夫转换向量自回归模型(MSAR)对原模型的预测残差进行修正。利用改进的旋转门算法提取爬坡趋势,通过算例仿真验证该模型能够明显提高预测精度。(3)对风电功率爬坡率进行一定的预测研究,在建立多时间序列的模型的基础上,提出使用改进的adaboost算法,用于降低影响因子的维度,确定输入的影响因子及其权重。在改进的adaboost算法模型基础上,采用SVM算法预测风电功率爬坡率。并与传统预测模型进行仿真对比,通过算例分析,验证了该模型对风电功率爬坡率的预测精度较高。(4)研究基于混合储能的风电爬坡控制策略。在混合储能的基础上,提出基于MPC(模型预测控制)的风电爬坡超前控制策略。在综合考虑并网功率波动最小、储能出力最平滑和能量损耗最小的优化目标基础上,设计三个优化目标权值,对上爬坡和下爬坡进行针对性的控制,并利用MPC达到了超前控制的效果。提出蓄电池-氢混合储能系统控制方案,增大储能系统剩余容量,根据爬坡预测情况实现风电功率爬坡有效控制,提高风电场的经济性。结合实际工程应用,并通过工程实例验证了控制策略的有效性和可行性。