近年来,随着能源危机的出现以及全球变暖问题的不断加剧,发展可再生能源发电技术成了当务之急。其中,作为被最广泛应用的可再生能源技术,风力发电吸引了全球范围内的广泛关注。然而,自然界的风资源具有高度随机性和波动性,从而导致风力发电场(以下简称风电场)产生的电能很不稳定,并将对电网的稳定运行造成威胁。目前工业界和学术界主要通过两种手段来减少风电场发电的随机性和波动性:一是采用风速预测技术来预测风电场的发电量,并依此进行风电场的运行规划,减少风力的随机性带来的影响;二是采用储能电池来配合风电场的运行。为风电场配备大型储能电池后,风电场所产生的风能可以存储在电池里,同时电池里存储的能量可以输出到电网。由于电池里存储的能量是可控的,因此可以人为控制风电场输入到电网的总电量。通过这种方案,可以减少风力的波动性对电网带来的影响。风电场的短期调度指的是提前规划好未来一定时期内的风电场发电量,以完成一定的目标。当前的研究主要集中于风力发电机的控制器设计与一些基于规则的短期调度策略,尚无文献将其建模为一个数学优化问题。本文提出了一个风电场短期调度组合优化模型,充分考虑了风电场与储能电池的运行约束以及风电场的收益指标,并引入智能优化方法对所提出的模型进行了求解。论文主要完成的研究工作如下:1.建立了风电场运行的数学模型。该模型充分考虑了风电场的运行约束指标;2.建立了储能电池的数学模型。该模型建立在对当前几种主流储能电池调研的基础上,充分考虑了电池的运行特征与约束条件;3.提出了一种风电场短期调度的最优化数学模型。该模型为一个组合优化问题,优化目标在于在考虑风电场与电池运行约束的基础上,制定合适的储能电池充放电方案,从而最大化调度时域内风电场的发电总收益;4.提出了一种基于帝国竞争算法的风电场短期调度框架。该框架采用帝国竞争算法的多种群自适应进化机制来进行搜索寻优,从而得出所提出模型的最优解;5.对帝国竞争算法与其他几种主流的启发式优化方法,包括差分进化算法,粒子群优化算法等,在所提出的问题模型上进行了算法性能的对比分析。