风能在目前的能源结构中是一种最具竞争力的可再生能源,具有环保洁净、投资小、储量丰富等优势。在新能源发电领域中,风力发电相对其投资,回报也更为可观。但风能受到地形、天气等其他因素的影响,导致风电的不确定性和间歇性等特点使弃风现象和电力系统安全稳定运行风险增加。因此,在风电并网及电力系统经济调度中,运用高精度的风功率预测模型不仅可以大幅减少弃风,提高风电消纳率,而且对促进电力系统的安全稳定运行具有重大意义。基于此,本文分别从提高风功率预测精度和考虑多目标的电力系统经济调度两方面进行研究分析,主要包括以下内容:提出了一种基于三条改进策略的麻雀优化算法（CSFSSA）,分别为Chebyshev映射初始化麻雀种群、正余弦思想更新麻雀发现者位置、萤火虫扰动方式对麻雀进一步更新位置。为了验证所提改进策略可取,与蚁群算法（ANT）、遗传算法（GA）、粒子群算法（PSO）、和未改进的麻雀搜索算法（SSA）进行比较,对15个标准的测试函数求解,测试算例结果证实了改进策略的有效性。建立了经CSFSSA优化的门控循环神经网络（GRU）风功率预测模型。模型首先使用CEEMDAN算法将风功率进行分解以除去噪声的干扰,分别对不同的IMF模态和NWP气象特征进行pearson相关性分析,筛选出对各个模态分量影响较大的特征,然后由相关性大的特征和分解后的历史风功率输入到模型中对各个模态进行预测,最后将这些预测得到的分功率进行叠加得到最终的风功率输出值,与BP神经网络、GRU、PSO-GRU、SSA-GRU预测模型相比明显提高了预测精度。统筹考虑发电成本最小、火电出力最平稳、风电消纳率最大、污染气体排放最少和电网购电成本最小这五个目标函数,建立了含风电场的多目标经济调度模型。最后对经济调度模型的求解方法即多目标水循环算法进行了两点改进得到LCD-MOWCA算法,经过与其他多目标求解算法对多目标测试函数的求解结果比较,验证了所提改进策略的有效可行,最后使用LCD-MOWCA算法对所提的电力系统经济调度模型进行求解,得出合理正确的调度计划。