我国风力发电的大规模发展,虽然可以解决未来能源危机,但高比例的风电场并入电网给电力系统的调度、运行及控制带来新的挑战。配置储能装置的风电联合系统应用风功率预测技术,是解决大规模风电场并入电网实现最大消纳问题的有效途径之一。针对这一有效途径,本文主要做了以下工作:首先,以晋北风场作为实例,依据其实际运行数据建立风速-功率模型并利用优化粒子群K-means混合聚类算法(IPSO-K-means)进行模型优化。结果显示,IPSO-K-means混合聚类算法相比于传统方法、K-means聚类算法以及PSO-K-means混合聚类算法可将模型的准确性明显提高。其次,考虑风电场实际运行数据存在异质值,利用IPSO优化模糊C均值和PSR-KELM的组合模型预测风速。第一:利用IPSO优化的模糊C均值计算模糊隶属度并对风电场的实际运行数据进行分类,完成模糊样本的形成;第二:利用IPSO对PSR-KELM模型的四参数(τ,m,γ,σ)进行优化;第三:基于IPSO优化模糊PSR-KELM模型预测风速,将预测的风速映射到基于改进移动平均平滑算法滤除异质值后得到的风速-功率曲线上,从而实现更加准确的风功率预测,且有效滤除异质值,建立更接近实际运行状况的风速-功率模型。最后,基于风功率预测控制应用储能系统平抑风电并网波动功率的高、中、低频。第一:基于对山西晋北风场的预测功率数据异质值的判定结果,利用IPSO优化奇异值功率标准谱对预测波动功率修正;第二:利用离散小波变换将预测的风电场输出波动功率按频率划分为高、中、低频,并针对不同频段的波动功率分配合理的储能系统额定容量和输出功率以实现并网目标功率的预测控制;第三:验证所提方案在改善储能系统使用寿命和运行经济性的前提下可以使风电场平抑后的输出功率满足调度分配功率。