伴随着全球能源危机和环境污染问题的日趋严重,清洁、无污染的风力发电在全球迅猛发展,作为世界能源消耗大户的中国,风电在近年来出现了跳跃式的增长,截至2010年底,中国的累计风电装机容量已经达到44734MW,跃居世界第一位。风电对于中国能源的可持续发展已经不再是“可替代”的。绿色的风电可以优化电力系统电源结构,促进电力工业的节能减排和“低碳化”发展。但是,风电具有的随机波动性和间歇性,又会给电力系统的安全稳定运行提出新的挑战。降低风电并网给电力系统造成的冲击,实现风电和常规火电之间的优化调度以促进电力生产的“低碳化”是当前风电研究的重要课题。本文从风电功率预测和电力系统运行调度两个层面考虑,重点研究风电场风电功率短期预测方法、风电并网电力系统低碳调度模型以及求解低碳调度模型的智能优化算法等问题。1)针对支持向量回归机模型在进行风电功率短期预测时依赖人为经验选取学习参数的弊端,以量子粒子群(quantum-behaved particle swarm optimization, QPSO)算法为基础,加入自适应早熟判定准则、混合扰动操作和动态扩张-收缩系数,提出了自适应扰动量子粒子群(adaptive disturbance quantum-behaved particle swarm optimization, ADQPSO)算法,并将其用于支持向量回归机学习参数的优化选择,实现参数组合的自动调整。2)研究组合预测方法在风电功率短期预测中的应用。将时间序列法、BP神经网络、RBF神经网络和支持向量回归机这4种单项预测方法综合起来,以误差平方和最小为原则确定组合预测模型的权系数,构建风电功率短期组合预测模型。详细给出了组合预测方法在风电功率短期预测中应用的原理、基本方法和建模步骤。中国某风电场的实例分析表明,组合预测方法具有较好的预测准确性和稳定性；组合预测方法为风电功率预测提供了一条新的思路。3)在风电功率短期预测的基础上,研究风电并网电力系统的优化调度问题,引入“能源环境效益”概念,综合考虑电力生产的环境效益和经济性,构建能源环境效益最优化和发电资源消耗量最小化的风电并网电力系统低碳调度模型。针对低碳调度模型中2个子目标函数相互冲突相互矛盾的问题,采用模糊优化方法进行处理,并使用综合禁忌搜索思想的改进粒子群算法求解计算。4)考虑到风电场输出功率的强波动性和风电功率短期预测存在的误差,将风电并网电力系统低碳调度模型中含有随机变量的约束条件以概率的形式表达,进一步构建了基于多目标机会约束规划的风电并网电力系统低碳调度模型。为了提高模型求解的精度,采用余弦迁移模型、基于柯西分布的变异机制、混合迁移算子和相似体检测技术来改善生物地理学(biogeography-based optimization, BBO)算法的性能,提出了改进生物地理学(improved BBO, IBBO)算法。算例分析表明,改进生物地理学算法具有较好的计算精度和鲁棒性,求得Pareto解的分布均匀且范围广泛：随着风电穿透功率系数的增大,最优能源环境效益极端解先增大后减小,而最小发电资源消耗量极端解则是单调递减。