风能作为清洁能源,在世界各国得到了广泛应用。但是风资源本身的波动性决定了风能利用时必然会产生不确定性问题,无论是陆地风电还是海上风电,在利用风能时都将面临风电功率预测的不确定性。因此,如何提高风电功率预测精度,是风能利用丞需解决的问题之一;另外,大规模的风电并入电网也会对电力系统的调度带来很大影响,如何提高风能利用率,减少弃风量,降低电力系统发电成本,提高电能可靠性和电能质量是风能利用所要解决的另一大问题。因此,本文提出了一种基于支持向量机的风电功率预测方法,并研究了风电功率预测不确定性,构建了适用于电力系统鲁棒优化调度的不确定集合以及含风电场的电力系统鲁棒优化调度模型。主要研究内容有:1、建立基于支持向量机(SVM)的风电功率预测模型。研究了风电场的风资源的风速特性和风向特性以及支持向量机算法,并利用实际风电场数据进行样本筛选,采用支持向量机功率预测模型,将预测结果与采用RBF和小波分析法得到的预测结果进行对比分析,最后通过算例分析验证了支持向量机预测方法具有较高的预测精度。2、本文分析了影响预测结果的不确定性因素,引入置信区间来描述风电功率不确定性,通过对比分析三台机组在不同置信度下的置信区间,来反映预测结果的波动范围;3、通过对预测结果的不确定性分析来构建可用于电力系统调度的不确定集合,所构建预测误差不确定集合是椭圆型集合,可以在保证集合精度的情况下大大减小其保守度,最后通过仿真分析验证其收敛性,结果表明,构建的椭圆型集合在降低保守度的情况下,仍然具有很好的收敛性。4、依据不确定性集合中风电的可能场景,合理计划自动发电控制(AGC)机组出力,建立以最小化发电成本和最大化利用风电为目标的鲁棒优化经济调度模型,并用某区域的电厂数据做算例分析,结果表明构建的调度模型具有很好的鲁棒性和经济性。