随着经济社会的不断发展与环保意识的提高,推进以风电为代表的可再生能源发电形式已经成为全球的共识。近些年来,风电机组的装机容量屡屡攀得新高,且增长势头旺盛、趋势较好。大规模风电并网在为社会与环境带来益处的同时,其自身具有的强随机性与强波动性特点也变得更加不容忽视。风力发电的输出功率在较短的时间尺度内出现大幅度波动,即风电爬坡事件时常发生,严重威胁着电力系统的安全性与供电的可靠性。另一方面,社会的发展与进步离不开电的广泛使用。随着时代的变化,电力的供求关系也悄然发生着改变。我国负荷用电需求一直保持着持续增长趋势,电力的需求越来越大,电力供应矛盾愈加突出,对电力系统提出的要求愈高。然而,负荷同样存在着强随机性的特点,用电负荷的大幅度波动同样会对电网造成严重的危害。追寻以风电集群发电与负荷用电功率波动规律,尤其以解决功率爬坡事件为重点的预测问题,维持发电与用电之间的平衡关系是保证电力系统安全、稳定运行的关键。在此背景下,关于功率爬坡预测的研究不断涌现,但仍存在许多问题,主要包括:1)对于爬坡事件定义的形式仍不够准确,目前尚未形成统一的爬坡判定标准,各类定义均有其局限性,无法适用于普遍场景;2)爬坡事件预测的方法大多数仅针对特定场站,在使用过程中,分析对象的变化与差异导致模型难以适用于不同场景,普适性与实用性欠佳;3)模型的训练过分依赖于历史数据,而爬坡事件的产生常由极端天气或特殊的社会活动引起,历史数据样本不足,严重影响着预测结果的精确度;4)对于风电集群、用电负荷的爬坡研究甚少,可参考的经验不多。本文首先从爬坡事件的定义入手,充分分析不同形式爬坡定义的特点并对爬坡事件产生因素进行剖析,为风电集群与负荷功率爬坡事件的准确预测奠定基础。针对风电集群存在输入数据维度过大,数据量过多的特点,利用相关性分析与主成分分析的方法对输入数据进行筛选与降维处理,在保证对风电集群功率爬坡事件充分描绘的同时避免了信息重叠,从而大大缩减输入数据的维度,减轻了计算压力并提高了计算效率。提出了一种基于多阈值划分的风电集群爬坡事件分级概率预测方法,以信度网络为基础借助非精确狄利克雷模型量化相依性关系,实现信度网络各节点的条件概率表的表达。为解决训练样本不足导致预测结果误差较大的问题,采用区间概率的预测结果形式实现对风电集群爬坡事件发生概率的表达,并进一步提出了分级爬坡预测的思想,满足了电网针对不同运行情景时决策的需要,降低了由于决策失误所造成的不利影响。针对负荷功率爬坡事件提出了一种考虑时段划分的负荷爬坡事件非精确条件概率预测方法。通过引入分时段预测的方式,以解决特征差异过大的数据难以通过统一整定方式处理的问题,大大减少了由于数据处理而对预测结果产生的误差,也为爬坡预测提供了一种新的思路。由于影响负荷功率波动的因素众多,单一气象数据的描绘往往不够准确,为此,本文引入综合描述温度、湿度、风速影响的体感温度,实现对负荷变化过程更准确的解释,并以朴素贝叶斯网络与非精确狄利克雷模型为基础,进行多场景下爬坡区间概率推断。该方法弥补了负荷爬坡事件预测研究的空缺,为电力系统合理规划用电、保证发用平衡提供了支撑。本文风电集群爬坡事件预测与负荷爬坡事件预测均采用实际数据进行了验证,在与其他模型预测结果的对比分析与性能指标评价中均表现出了更加优秀的预测性能,表明了所提方法的有效性。