风电和光伏是公认的环保能源,它们的开发利用能够缓解日益严峻的环境污染问题。然而,风电功率和光伏功率具有随机性和波动性,增加了其功率并网的难度。在风光功率供电充足的情况下,电力系统为了维持并网功率平滑、避免其剧烈波动,会抛弃部分并网功率;在风光功率供电不足的情况下,其功率缺额又需要由系统其他发电源进行补充,这对电力系统的调度能力和能量管理提出了很高的要求。研究风光功率预测和储能技术对新能源稳定并网具有重要意义。风光功率预测技术可为电网调度提供发电功率预测数据,有利于电网经济合理、安全稳定的运行;储能技术能够缓解风光发电供电不稳定的问题,及时消纳和补充光伏和风电系统并网功率。论文以光伏和风电为研究对象,围绕以下几方面开展研究和分析:论文总结了近几年风光功率预测和混合储能的研究进展;介绍了模式识别、灰色关联度、相空间重构、净负荷计算和快速傅里叶变换等基本理论。风光功率预测有利于电网合理调度,提前计划电力系统其它发电站的出力。论文提出一种基于粒子群(PSO)算法和差分进化(DE)算法的PSO-DE融合算法,将其用于优化自适应小波神经网络(AWNN)的初始权值和阈值,并在此基础上对AWNN网络进行训练,得到改进AWNN模型。在算例仿真部分,利用改进AWNN模型、AWNN模型、持续法模型和支持向量机模型对风电功率、晴天和多云两类天气的光伏功率进行超短期预测,对比分析预测结果。风电和光伏功率预测算例都验证了所提IAWNN模型的超短期预测性能优于其他三种模型。论文利用FFT变换对净负荷数据进行频域分析,分别利用不同响应速率的储能设备对净负荷分频段储能。综合考虑储能设备循环寿命、周期损耗、实际荷电状态限制、能量转换系统成本等因素,建立基于净负荷平抑的混合储能系统容量配置优化模型,利用PSO-DE融合算法对混合储能系统容量配置的最小总成本进行寻优,提高了计算效率和精度。通过仿真分析,对比不同的储能设备组合方案,给出了美国威斯康辛州某试验光伏站的最优混合储能系统容量配置方案。