风能是一种清洁的、永不枯竭的能源,作为开发技术最成熟的分布式能源,风力发电容量正急剧增长。其中我们国家2010年新增风电装机容量18.9GW,总装机容量达到了44.7GW,已跃居成为全球风电装机容量最大的国家。风电出力取决于风速大小,具有很强的间歇性和波动性。随着风电容量在电力系统中占比的增加,对电力系统的影响越来越明显,风电穿透功率超过一定值后,会给电网带来严重的不利影响。风速变化带来的风电扰动会严重影响电网的电能质量,如造成电压的波动和闪变、频率偏差以及谐波问题,还会对电网的稳定性产生影响,降低系统运行的可靠性。提高风电的利用水平,降低并网后对电网造成的冲击是风电研究的重要课题。对风电进行准确的预测,把预测误差控制在一个电网可以接受的范围内,是提高风电利用水平的一条最为有效的途径。此外,合理的利用电网其余电源来吸收风电波动的影响,建立适合大规模风电接入的电网调度模型和运行机制也能有效的提高风电利用水平,降低风电带来的不利影响。本文从风电场短期风速预测入手,研究提高短期风速预测精度,结合风电功率曲线以及尾流效应的影响分析,建立了从风速预测到风电预测的途径,并对风电预测误差的概率分布以及含风电电力系统动态经济调度模型进行了研究。本文所做的工作和取得的创新成果主要体现在下面五个方面：1)提出两种风电场短期风速全局统计预测模型,分别为改进GMDH(Group Method of Data Handling,数据处理分组方法)网络、结合混沌理论的支持向量回归(Support Vector Regression, SVR)模型。第一种模型针对传统的GMDH网络,引入反馈环以简化网络结构,提高训练效率；引入模糊理论,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；而在进行网络训练时,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。将该网络用于短期风速预测。第二种模型运用混沌理论对风速时间序列数据进行分析,以确定模型的最佳输入维数,结合SVR模型进行短期风速预测。两种模型都有效的提高了预测精度,具有较好的预测效果。2)提出了一种基于相空间优化邻域的短期风速局域预测新方法。局域法通过拟合与预测点相似的历史数据点来建立预测模型,本文结合相空间重构技术,提出通过考察伪近邻点的比重来选取合适的邻域半径,保证了用于预测模型训练拟合的邻域点与预测状态点具有高度的相似性,提高了模型训练效果,结合SVR模型较强的高维非线性拟合能力,提高模型的短期预测能力。实例分析表明,该方法与其它方法相比具有较好的短期风速预测效果。3)在基于相空间优化邻域局域法的基础上提出了基于相关性原则来选取的多变量相空间局域预测法用于短期风速预测。在优化相空间局域预测法的基础上,增加模型输入变量类型,并提出基于相关性原则的多变量时间序列数据筛选方法,构造多变量相空间,提高局域法邻域点的搜索效率,以提高短期风速预测精度。实例证明,通过该方法筛选的多变量时间序列组合使得通过局域法搜索得到的用于模型训练的邻域点与预测状态点具有更高程度的相似性,能够有效提高短期风速预测的精度。4)分析了基于功率曲线的风电场短期风电功率预测方法,在对风电机组的功率曲线和尾流效应对风电场输出功率的影响分析的基础上,研究了基于功率曲线的短期风电预测法和直接风电功率短期预测法。同时还探讨了风向预测方法及误差评价参数。最后比较了两种预测方法在单机功率预测和风电场功率预测中的表现。5)在风电预测的基础上,对风电预测误差进行Beta概率分布拟合,考虑由于风电预测误差引起的系统正、负旋转备用的增加,提出了一种含风电电力系统动态经济调度模型。该模型充分合理的考虑了风电预测的误差,降低了电网平抑风电波动的备用需求。运用机会约束规划处理模型中的随机变量,采用改进粒子群算法求解模型。以含风电场的IEEE30节点模型验证了模型的有效性。