随着传统化石能源的日益枯竭及人类环保意识的不断增强,风能作为可再生清洁能源中技术最为成熟的能源,受到广泛关注并迅猛发展。然而,风电具有随机性、波动性,大规模的风电并网使系统的经济调度和风电消纳方式面临严峻的挑战。因此,建立适用于高渗透率风电并网系统的优化运行模型并研究相应的求解方法具有重要意义。进行风电功率预测有助于制定风电并网系统的优化运行方案,同时,获取精确的风电功率预测值有利于制定措施提高系统消纳风电的能力。本文介绍了神经网络的基本原理,利用径向基神经网络进行风电功率预测。基于两个风电场的风电功率实测数据进行训练,确定径向基神经网络的两个主要参数—隐层神经元的最大数目MN和扩展系数spread,然后利用训练好的网络预测未来1天的风电功率。通过算例仿真,验证了径向基神经网络用于风电功率预测的实用性和精确性。针对风―水―火电系统的优化运行,本文建立了考虑火电厂运行成本、废弃物所造成的环境成本、水电站偏离计划出力所造成的惩罚成本、风电额外备用容量惩罚成本和风电消纳量的多目标优化运行模型。为解决将多目标优化问题转变为单目标优化问题时存在的权重选取随意和量纲不同问题,本文提出一种考虑满意度和目标总体协调度的交互式决策方法,并基于该方法将原多目标优化运行模型转变成3个决策模型。本文采用粒子群算法求解高渗透率风电并网的风―水―火电系统优化运行交互式决策模型。以8个风电场、4个水电站和3个火电厂组成的系统为例,制定3个时段的优化运行方案。算例仿真结果表明,根据文中提出的优化运行交互式决策模型,可以制定出既满足系统安全运行要求又令决策者满意的优化运行方案。