1、隨著世界上常規(guī)化石能源的日益枯竭和全球氣候變暖，人類增強了對新能源的開發(fā)和利用。風能與自然界中的礦物燃料不同，它是一種干凈的、儲量非常豐富的可再生能源。但是風的波動性、隨機性和間歇性，使得風電大容量的并網給電網的安全、經濟運行和電能質量等帶來嚴峻挑戰(zhàn)。如果能對風電場進行精確的預測，將減少電網的備用容量，降低電力系統(tǒng)的運行成本，同時也對風電參與電力市場競價和電網的合理調度提供保障。本文以山東某風電場作為研究對象，以實測的歷史數(shù)據(jù)來進行風電

2、場的風電功率短期預測研究，并在風電并網條件下進行電力系統(tǒng)經濟調度研究。
　　首先，分析風電功率的影響因素，得出影響風電功率的主要影響因子為：風速、風向、氣壓、溫度、相對濕度、葉片角度和發(fā)電機平均轉速。然后，用灰色關聯(lián)分析法對影響風電功率的因素進行量化分析，選取關聯(lián)度較大的因素作為訓練以及預測的輸入。
　　簡要介紹最小二乘支持向量機（LSSVM）的結構、原理和特點。用LSSVM建立預測模型對風電功率進行了預測，為后面方法的改進

3、提供了理論基礎。
　　將黑洞粒子群（BHPSO）算法引入到數(shù)值尋優(yōu)領域中，實現(xiàn)對LSSVM控制參數(shù)的尋優(yōu)搜索，從而提出BHPSO-LSSVM算法。將該法預測結果與傳統(tǒng)的LSSVM預測結果進行比較分析。
　　最后，利用前面介紹的風電功率點預測信息為基礎，考慮了風電功率預測誤差可能對系統(tǒng)造成的不確定影響，并將風電穿透功率引入到正、負旋轉備用當中，采用黑洞粒子群（BHPSO）算法和傳統(tǒng)粒子群（PSO）算法分別建立含風電場的電力系統(tǒng)