可再生能源电源高比例接入的电网是可再生能源电网。可再生能源电网已经诞生、数量正在不断增加,是电网发展的必然趋势。风能、太阳能等可再生能源电源的发电功率具有以随机性和间歇性为特征的固有不确定性,难以准确预测。发电功率不确定性的根由是一次能源的不可存储性,储能设施是消除或减少不确定性发电功率对电网功率平衡影响的有效手段。抽水蓄能是目前唯一实用化的大容量储能技术。本文以大规模风力发电为基本背景,以抽水蓄能为平息不确定性发电功率影响的基本手段,以可再生能源利用极大化为基本目标,采取日前调度、实时调度和自动发电控制三个环节递进衔接的基本路线,研究解决可再生能源电网功率平衡问题的储纳运行策略及相关技术。为有效地消纳可再生能源电源的功率,构建了可再生能源电网的储纳运行模式。可再生能源电网的功率平衡不仅需要瞬时的功率消纳技术,而且需要具有能量腾挪功能的能量储纳技术。构建了日前发电计划、实时发电计划与自动发电控制相结合的三步功率平衡模式。基于不确定性发电功率预测和负荷预测,日前调度将发电功率分解为基荷功率、可预见的波动性备用、不可预见的不确定性备用和自动发电备用。鉴于大容量储能资源容量有限的事实,可再生能源电源最大限度地承担基荷功率,可预见的波动性功率主要由常规电源平衡,不确定性功率主要由储能设施平衡,残留的失衡功率由自动发电装置平衡。储能设施容量受限时,常规电源补其不足。储纳运行模式是贯穿全文的学术主线。基于小波包分解理论和改进Elman神经网络,提出了风速和风电功率预测方法。针对风速变化规律性差的事实,利用小波包分解理论对风速数据进行频段分解,形成了频段异构的Elman神经网络风速预测方法,进而得到风电功率的预测结果。在Elman神经网络的训练过程中采用带扰动的粒子群算法,以避免最优粒子陷入局部最优。日前和实时风速及风电功率的预测结果表明,所提方法的预测精度高于传统的Elman神经网络等预测方法。计及风电功率预测的功率误差及能量偏差,提出了基于风电可靠输出功率的储能设施容量配置方法。根据不确定性可再生能源电源规划,采用非参数估计法获取风电不确定性功率的概率分布,进而得到关于储能设施调度周期的风电不确定性能量的概率分布;计及储能设施容量不足导致的弃风损失和常规电源不确定性备用,确定储能设施功率容量和能量容量与损失风能之间的关系。采用非参数核密度估计方法对风电功率预测误差进行置信区间估计,进而确定关于不同置信度的风电功率的波动区间。研究了不同置信度条件下储能设施容量和风电场可靠输出功率的关系,从可靠输出功率角度对储能设施的成本和效益进行分析,形成了相应的储能设施容量配置方法。典型日的算例验证了基于可靠输出功率的储能设施容量配置方法的合理性。基于大容量储能设施,风电场可靠输出功率保证了日前调度的可实施性。最后,以抽水蓄能为大容量储能技术,针对高比例风电接入的可再生能源电网,建立了日前调度、实时调度的功率平衡模型,并建立上网功率平稳性评价指标,形成了可再生能源电网的储纳调度策略。研究表明,在不增加火电运行成本的前提下,弃风量随抽水蓄能容量的增大而减小,直到弃风现象消失。针对抽水蓄能资源有限的事实,比较了抽水蓄能电站为纯不确定性备用、波动性备用优先、不确定性备用优先三种储纳模式。从可再生能源发电极大化角度看,不确定性备用优先模式效果最好,纯不确定性备用模式次之。简单系统及张家口电网的算例验证了储纳调度策略的有效性。