近年来,传统化石能源所造成的环境问题日益凸显,以风电为代表的清洁可再生能源得到了迅猛发展。与此同时,风电因其固有的随机性、波动性和间歇性,给电力系统运行调度带来了新的挑战。因此,研究风电功率的预测方法以及考虑风电不确定性的电力系统动态经济调度成为当前亟需解决的关键问题。研究了一种基于门控循环单元网络的短期风电功率预测模型。首先计算各气象因素与风电功率时间序列之间的相关系数,选取与风电功率具有显著相关性的气象因素作为输入变量。然后采用门控循环单元网络对多输入变量的时间序列进行动态建模,并通过基于时间的反向传播算法与自适应矩估计优化算法对模型的参数进行训练。以某实际风电场的实测数据对模型的预测效果进行了验证。研究了一种基于高斯混合模型的风电功率预测误差分段拟合方法。通过某实际风电场的历史数据分析风电功率预测值在不同区间时预测误差概率分布的差异性,将风电功率预测值划分为若干区间,然后应用高斯混合模型分别对各区间内预测误差的概率分布进行拟合,采用期望最大化算法进行参数估计。与其它概率分布模型的拟合效果进行了对比,结果表明高斯混合模型具有更好的灵活性和拟合精度。建立了一种考虑风电和负荷预测误差不确定性的动态经济调度模型。在调度模型中构造了含有风电和负荷预测误差随机变量的旋转备用容量概率约束。将风电和负荷预测误差等效为一个新的随机变量,基于风电和负荷预测误差的概率分布模型推导了等效随机变量的概率密度函数,从而将含有概率约束的随机模型转化为等价的确定性模型。针对标准蝙蝠算法易陷入局部最优解、迭代后期收敛速度慢的缺点,提出了一种融合量子行为和混沌映射操作的混合蝙蝠算法求解所建立的动态经济调度模型。仿真结果验证了所提模型和算法的有效性。