由于风具有波动性,风电功率预测必然存在不确定性,给含有大规模风电的新能源电力系统的安全经济运行带来不确定性。本文研究了风电功率预测及不确定性分析,以及基于风电不确定性的电力系统经济调度方法,主要工作包括：1、建立了基于相关向量机的风电功率预测及不确定性分析模型研究了样本精度和数量对建模过程的影响,提出了可支持小样本学习的训练样本筛选方法；建立了基于变方差相关向量机(VVRVM)的风电功率预测及不确定性分析模型,同时计算风电功率的单点预测值和给定置信水平下的波动范围。测试结果表明：该方法可以利用少量相关样本精确模拟不同气象条件下的风力发电特性,提高了单点预测的精度、不确定性分析的可靠性和锐度。2、提出了四种提高功率预测及不确定性分析精度的建模方法(1)提出了基于风场景识别的动态优化方法,适用于风况变化复杂、多样的风电场,解决其单一预测模型适应性不足的问题。分析了风况和功率曲线对功率预测误差的敏感性；基于K-means和谱聚类分别建立了风场景聚类模型：提出了数据集分布密度和分布均匀性的概念,定量评价聚类质量；建立了聚类数自寻优算法,解决了传统方法需要人工确定聚类数目的问题；基于风场景聚类结果,提出了离线细化建模、在线动态预测的优化方法。(2)提出了基于流动相关性的风电场机组分组优化方法,适用于大型风电场(群)或复杂地形风电场,解决其数值天气预报(NWP)计算点代表性不足与预测建模耗时过长的问题。分析了风速分布特征及变化规律；设计了可以耦合风电场流动信息的主风向坐标系统；建立了基于自组织映射神经网络的风电场机组分组模型,解决了NWP计算点位置和数量的选取问题；建立了分组预测及不确定性分析模型。(3)为了解决NWP精度不足且中尺度模型修正难度大的问题,分析了NWP风速误差在不同风速段和月份的概率分布,提出了基于风速预测误差分布不均匀的NWP修正方法。(4)为了最小化人为因素对预测模型性能的影响,分别基于遗传算法和粒子群算法,建立了RVM核函数参数的优化模型。3、提出了基于风电不确定性的电力系统调度成本计算方法为了考虑未来时刻风电不确定性对其发电成本的影响,为了解决成本模型中含有积分项不便于调度求解的实际问题,提出了风电不确定性增量成本(WPUIC)的概念和数学模型,度量增加单位风电上网电量时电力系统可能增加的平衡服务费用。建立了随外部条件变化、具有凸函数性质的风电不确定性调度成本(WPUDC)模型；通过调整WPUDC模型参数来量化不同风电场或天气条件下预测不确定性的平均水平及概率密度分布的分散度。4、建立了基于风电功率预测不确定性的电力系统经济调度模型基于WPUDC建立了运行风险与成本相协调的电力系统经济调度模型,根据未来时刻不确定区间的分布特征,权衡增加风电并网的收益及其风险之间的矛盾。在不确定性偏小时,适当增加风电调度量,反之减小,实现了风电资源的优化调度。该调度模型的目标函数具有解析的微分表达式,运用等微增率准则推导了经济调度问题的求解过程；建立了基于萤火虫算法(GMA)的经济调度求解模型,对比了WPUDC调度与传统积分型调度模型的计算结果,证明了所提调度方法以及GMA的优越性。测试结果表明：该方法在经济调度中融入了外部条件对不确定性风险的影响,降低了电力系统的运行费用和弃风电量。