随着电力系统中风电功率的渗透率不断提高,传统电力系统逐渐向高比例风电电力系统演变。但风电资源的随机性和波动性给电力系统的调度和运行带来了巨大的挑战。因此,准确地把握风电功率实时波动特性提高预测精度,并考虑风电功率预测误差对电力系统调度的影响,制定适应其波动特性的电力调度计划,对提升高比例风电电力系统的安全稳定性具有重要意义。为了更准确地评估风电功率瞬时预测误差,本文提出风电功率隐藏性预测误差及其评估指标,弥补现有风电功率预测误差指标体系无法准确评估预测误差实时特性的缺点,完善该指标体系。通过实际风电场功率数据算例分析表明所提隐藏性预测误差及其评估指标可以更加全面、准确地评估预测误差特性,尤其是当风电功率具有预测时间步长内分钟级剧烈波动时,效果更加明显。为了减小风电功率隐藏性预测误差,克服固定时间分辨率的风电功率预测模型无法准确预测剧烈波动的风电功率的难题,建立自适应时间分辨率的超短期风电功率预测模型来提高预测精度。该模型通过评估预测目标时间区间内隐藏性预测误差的波动幅度特性,确定时间分辨率的调节时间;通过挖掘历史风电功率数据波动率的规律并建立组距分组优化模型,制定时间分辨率的调节规则。然后结合神经网络预测模型实现自适应时间分辨率的风电功率预测。通过实际风电场功率数据算例分析表明所提预测模型能够自适应调节时间分辨率来精确地跟踪风电功率的实时波动,极大地减小预测误差。尤其在风电功率极端剧烈波动时预测误差的减小效果更显著,其极大隐藏性误差率可降低40%以上。为了提高电力系统调度模型对风电不确定性的描述准确度,使日内调度决策更有效地应对各种风电功率波动,建立计及风电隐藏性预测误差的鲁棒优化调度模型。该模型对自适应时间分辨率的风电功率预测值进行“线性插值-求平均”转换,得到风电功率基准场景;提出面向隐藏性预测误差的风电功率偏差场景集构建方法,形成风电功率偏差场景集,从而构建出具有高精确度和有效等级的风电功率场景束。然后结合鲁棒优化调度模型制定计及风电隐藏性预测误差的日内调度决策。通过IEEE-30节点系统和实际风电场功率数据算例分析表明所提调度模型构建的风电功率场景束能更精确和有效地描述风电不确定性,并且在不同风电功率波动情况下都能制定出更有效的调度决策。