以清洁能源代替化石能源,走低碳绿色发展道路是解决当前人类所面临的能源危机和环境污染问题的根本性举措。近年来,在我国的清洁能源实践过程中,风力发电作为技术成熟度最高的可再生能源发电形式之一,在应对能源与环境挑战中发挥了至关重要的作用。然而,由于受自然气象因素的影响,风电呈现明显的波动性和间歇性,使得并网风力发电的调度与控制面临严峻挑战,同时也直接影响风电的高效、可靠利用乃至其未来的发展。究其根本,在于风功率的内在不确定性特征难以准确把握,预测精度难以大幅提升,从而导致应对风电不确定性的调控机制难以高效发挥其作用。在上述背景下,本文以风电不确定性特征挖掘为基础,以风功率波动规律的把握为依据,以降低风电不确定性对电网运行决策影响为目的,从分析、预测与决策层面依次渐进展开研究。首先以风电功率特征挖掘分析支持预测方法改进与不确定性建模,进而基于预测数据及其不确定性分析建立储能系统优化配置模型,最终从数据分析、模型建立到决策应用,构建了完整的应对风电不确定性的预测与决策的理论研究体系。其核心在于探究减小风电不确定性的调控机制,缓解风电不确定性对电网运行所带来的压力,实现大规模风电的并网消纳。本文主要工作和创新成果如下:(1)风电功率由于受到风速、风向、空气温湿度以及地表粗糙度的诸多因素的影响而呈现极其复杂的非线性非平稳特征。对此,本文提出利用希尔伯特-黄变换和Hurst分析等多尺度分析方法研究风电功率多尺度动力学行为特征。首先利用希尔伯特-黄变换分析风电功率不同分量时-频特性,然后利用Hurst分析方法分析不同分量的分形结构,依据不同分量呈现不同分形特征,将其叠加重构为微、中、宏尺度等三尺度子序列,进而通过计算三尺度子序列统计特征指标和动力学行为特征指标研究风电功率多尺度动力学行为特征。最后,通过提出超短期风电功率组合预测模型验证了上述分析方法的有效性。(2)在风功率的特征分析以及预测误差序列相关关系研究的基础上,本文提出了基于误差预测修正的短期风电功率组合预测模型,即通过对预测过程中产生的误差进行回归预测,形成预测修正模型。首先,分析了单步预测、非连续多步以及连续多步三种典型预测模式下自回归模型、持续法、支持向量机三种方法预测误差时间序列各自的相关关系,以判定预测误差是否可以利用回归学习算法构建误差预测模型;其次,根据上述分析结果圈定了误差预测模型输入变量的范围,并提出了为之选择有效输入变量的策略和步骤;最后,提出利用支持向量机、极端学习机构建误差预测模型,修正风电功率原模型预测值的组合预测方法。通过实测风场数据验证了所提组合预测模型的有效性。(3)准确描述风电功率预测误差统计特性有助于提高含风电电力系统运行的安全性与经济性。基于前述短期组合预测方法得到的风场日前小时级多时段预测误差数据,本文提出了一种针对多时段预测误差的风电不确定性建模方法。该研究利用非参数核密度估计方法描述多时段预测误差的概率分布,通过皮尔逊相关系数和散点图分析不同时段预测误差的相关关系,提出利用Copula函数构建同时考虑风电功率预测误差边际分布以及相关关系的多时段联合概率分布函数的建模方法,其中该分布函数无需事先假定风电功率不同时段预测误差的边际分布函数。该模型为利用历史预测数据进行全面准确的不确定性分析建模,以及含风电电力系统运行决策提供了理论基础。(4)风电功率波动幅度和速度的准确表达是影响风电系统运行、决策的关键性因素。针对以补偿预测误差、跟踪计划出力为目的的储能系统充放电功率和容量配置这一多时段优化决策问题,本文在构建风电功率日前多时段预测误差联合概率分布函数的基础上,提出一种考虑预测误差时间相关性,基于多场景技术的储能系统充放电功率和容量优化决策方法。该研究在同时准确把握预测误差的边际分布、不同时段间的相关关系基础上,实现对储能系统充放电功率和容量的最优化决策。算例仿真验证了所提模型的有效性,研究表明多时段预测误差的相关性对储能优化配置充放电功率和容量均有显著影响,如果忽略误差相关关系,将严重错估配置储能系统的充放电功率和容量。