近年来，随着节能减排力度的加大，风电作为最具潜力的可再生能源得到了迅猛发展。中国的风电装机容量不断增大，甘肃酒泉千万千瓦级风电基地也已集中上马，大量风电将不断并入电网。但是，由于风速的随机性，风电出力必然也具有较强的波动性和间歇性，盲目的大规模上网必会对系统调度运行人员带来严峻的挑战，导致各种潜在的电力系统运行风险。本文针对风电预测算法，含风电场的电网调度计划及输电线路风险评估等问题进行了一些研究工作。主要研究内容包括：　　 ⑴在前人研究的基础上，基于GMDH神经网络和模糊逻辑理论，对风电场风速预测进行了深入研究，提出了一种改进GMDH神经网络方法，该方法在传统网络的基础上将神经元模糊化并引入反馈环，将GMDH网络的低维计算能力和模糊逻辑的高维推理能力结合起来用于预测；另外，在进行网络训练时，本文采用指数型能量函数作为目标误差函数，提高了网络收敛速度。通过与BP神经网络及传统GMDH网络的预测结果相比较，表明该改进方法能够有效地提高短期风速预测的精度。　　 ⑵在对风电预测算法进行研究的基础上，针对预测的不准确性和预测精度的有限性，对电力市场环境下含风电场的电网调度计划进行研究，运用Beta函数对一定风电预测水平下实时可发出力进行概率密度分布拟合，在考虑预测误差发生概率及其所导致的经济补偿费用基础上，得到统计意义上更为合理的调度计划模型。该模型同时考虑了一些发达国家最近实施的排放权交易机制，发电企业的报价函数需要考虑到购买温室气体排放权所需的费用。最后，通过仿真算例比较了考虑风电预测误差与否对市场出清电价，电网平均够电成本等运营指标的影响，验证了本文所提方法的有效性。　　 ⑶随着状态检修工作的深入开展，对输变电设备运行状况进行风险评估将有效提高电力系统的资产管理水平，保证电网的安全稳定运行。本文在国家电网公司颁布的《输变电设备风险评估导则》基础上，对含风电场的电力系统可靠性和输电线路的风险进行研究，提出了一种更为合理的评估模型，该模型计及了不同输电线路对系统可靠性影响的区别，能够较为全面的反映输电线路故障可能产生的各种损失，为制定合理有效的检修策略提供依据。