风能属于间歇式能源，风力发电输出功率具有波动性、随机性和不确定性等特点，大规模风电并网将导致电网控制的边界条件发生变化，给维持供需平衡带来挑战，从而带来一系列安全稳定问题。精准的风电并网功率控制技术是解决以上问题的有效方法，而制定风电并网控制策略的前提是能够准确预测未来风电场的出力。本文基于大数据思维，通过对风电场的历史出力轨迹和历史气象数据进行特征挖掘，提出一种基于轨迹特征分析的高精度功率预测模型，并根据预测结果设计了以风电场群并网频率指标为目标的自适应控制策略。
　　本文主要进行了以下具体工作：
　　为了给功率预测提供数据基础，研究基于轨迹特征的风电场数据挖掘技术。首先，针对风电场复杂的气象数据信息，在剔除异常数据和数据归一化后通过灰色关联度理论提取主要气象因素，实现数据降维。之后，采用分层聚类的方法对历史气象数据进行逐一划分；采用多重聚类的方法，以欧氏距离和协方差为指标，对历史功率轨迹进行大小和形状上的划分，形成特征各异的数据样本集合。
　　在风电场数据挖掘的基础上，基于“分类建模-模型匹配”的思想，建立一种基于轨迹特征的风电功率预测模型并给出预测模型参数的改进设计方法。根据气象数据和功率轨迹的聚类结果，采用集合组合的方法形成多个训练样本，通过PSO-BP神经网络的方法训练出分类预测模型，根据时效段风电场出力数据和天气预报信息，按照相似度最大的原则匹配并调用对应预测模型，实现风电出力的高精度预测；之后分析风电预测模型的采样窗口宽度、聚类算法阈值和日前匹配天数等参数对于预测精度的影响，设计风电场功率预测模型的参数改进方法。
　　在实现高精度的风电场功率预测后，重点研究以频率性能为目标的风电场群并网自适应控制策略。首先，建立考虑风电场参与调频和考虑频率暂态空间分布特性的风电场群并网频率响应模型。之后，针对经验模型和实际检测频率数据的差异，利用非线性规划方法设计了频率响应模型的参数自适应修正方法。最后，定义频率指标为优化目标，风电场功率分配模型的权重数值为控制变量，通过计算优化目标、约束条件和控制变量之间的关系，求解优化问题实现风电功率的自适应分配，控制风电并网的频率性能最优。
　　本文通过实际风电场数据和标准系统数据进行仿真分析，验证了基于轨迹特征的风电功率预测方法以及自适应控制策略的可行性。仿真结果表明本文提出的预测方法预测效果要优于传统预测方法，同时在自适应控制策略下风电并网频率性能有明显改善。