随着电力系统中风电渗透率的逐渐提高,给社会带来巨大经济社会效益的同时,风电出力的随机性、波动性等不确定性也给电力系统安全稳定运行带来了极大的冲击。尤其是随着极端气候屡现,风电爬坡事件频发,易引起电力系统功率不平衡问题,造成电压、频率偏移甚至越限,严重威胁电力系统的安全稳定运行。因此,提高风电爬坡预测与识别准确度,定量评估风电爬坡出力不确定性,提出有效的风电爬坡事件平抑方法,对改善含高比例风电的电力系统电压分布和降低有功网损,提升风电消纳,促进碳达峰,实现碳中和具有一定意义。针对风电爬坡预测过程中高频分量未有效分解造成预测精度下降,识别过程中时域建模易受噪声干扰,频域建模难以探知爬坡拐点的问题,本文提出考虑时频特性的风电爬坡事件预测与识别方法。首先基于小波包变换对风电爬坡序列进行预处理,确保高频分量也得到细化分解,并使用小波包软阈值降噪法对含噪的高频分量降噪处理,然后从时域、频域的角度出发提出考虑时频特性的风电爬坡事件预测与识别方法。最后通过实际风电数据算例分析并与其它方法对比,风电爬坡预测的均方根误差、平均相对误差、平均绝对误差分别降低了31.72%、7.94%、23.78%。识别的综合成功指数与准确率分别提高了23.38%与8.77%,表明本文所提方法能够有效提高风电爬坡预测精度与识别率。针对风电爬坡出力强不确定性难以被定量评估的问题,本文提出小波包方差熵来评估风电爬坡不确定性。首先基于小波阈值降噪法和分解算法对随机波动的风电功率序列进行降噪、分解,得到风电方差序列,然后结合方差理论和小波包熵理论,提出小波包方差熵来度量风电爬坡不确定性,最后以实际风电数据为基础对发生不同程度的风电爬坡事件进行评估,风电爬坡波动程度越剧烈,小波包方差熵越大,风电爬坡波动程度越平缓,小波包方差熵越小。针对风电爬坡事件带来的有功网损和电压越限问题,本文构建风储联合的多目标无功优化模型。基于第2章风电爬坡预测与识别结果,以风电功率标准差（预测值）、有功网损、电压偏移最小为目标函数,约束变量为有载调压变压器抽头位置、电容器组的投切组数、静止无功补偿器的无功出力、储能系统的充放电功率。为防止算法局部收敛,利用基于小生境改进的Pareto档案多目标粒子群优化算法进行求解。以有功功率的峰谷变化指标与第3章得到小波包方差熵一起作为风电爬坡事件平抑的评价指标。通过IEEE-33节点仿真表明,在风电侧各项爬坡平抑评价指标均优于爬坡平抑之前,在电网侧与单方面进行无功优化相比,电压没有发生越限事件,并且有功网损下降了13.21%。