以可再生能源替代化石能源,是解决现阶段人类面临的能源危机和环境污染问题的根本措施。在我国可再生能源发展过程中,风力发电技术逐渐成熟,而且发电成本低,易实现大规模产业化发展,已经逐步成为能源与环境可持续发展的重要力量。但是,受到自然因素的影响,风电的间歇性与波动性较为明显,难以把握并网风力发电的不确定性特征。进而,给电力系统的调度和控制决策带来严峻挑战。提高风电功率预测水平、建立合理的风电并网下的电力系统优化调度策略,能够提升风电资源利用率,降低风电并网对电力系统造成的冲击。在此背景下,本文围绕含风电的电力系统风电功率预测方法和多目标优化调度问题进行深入研究,主要工作和创新成果如下:(1)提出了基于共轭梯度算法优化神经网络的新型风电功率预测方法。首先,分析了传统神经网络模型当数据量增大、收敛时间增长和迭代次数增加时给风电功率预测准确度和优化控制灵敏度带来的影响。然后,构造了基于共轭梯度算法的神经网络优化模型,在神经网络训练过程中,采用共轭梯度算法对模型参数进行优化,该方法可克服传统前馈神经网络基于最速下降法训练的缺点,避免了传统预测模型易陷入局部最优的问题,有效提高了风电功率预测精度、模型的训练速度和泛化能力。(2)针对传统预测模型忽视预测方法中学习和校正这一问题,提出了基于自适应学习框架和小波神经网络组合模型的预测方法。首先,采用具有多尺度分辨特征的小波神经网络构建初始预测模块,并附加基于自适应动态规划的学习模块使预测模型具有自适应学习能力。学习模块利用实时风电数据及时更新组合模型参数,使得组合模型能够适应多变复杂的运行状况,最后得到经过学习优化后的预测结果。该方法为平抑风电出力的不确定性,实现更为精准的调度策略提供了新的思路和方向。仿真算例通过风电预测和负荷预测实验验证了所提模型和方法的通用性和有效性。精确的风电功率预测能够为多目标优化调度决策提供科学有效的依据,基于以上成果,本文进一步针对含风电场的电力系统经济和环境优化环境经济调度展开深入研究,成果如下:(3)提出了计及风电并网的电力系统环境经济调度模型及优化方法。针对风电预测不确定性、系统运行经济性、环境保护等问题,建立了含风电的静态优化调度模型,采用带精英策略的快速非支配排序遗传算法求解多目标最优解集和最优折中解,实现模型的全局搜索能力。通过含风力发电与燃煤发电机组的电力系统测试系统,验证了所提模型的可行性。(4)建立了含风电并网的电力系统动态环境经济优化调度模型。动态优化调度模型以同时优化常规燃料机组的发电成本最优和污染气体排放量最少为目标,并且充分考虑一个调度周期内各个时间断面之间的联系。采用快速非支配排序遗传算法对建立的优化模型求解,以期实现风电并网后电力系统调度运行中的环境经济性能指标综合最优。