随着新能源的不断发展，大量大容量风电机组不断并入电网运行，给电网的可靠持续稳定运行提出了新的挑战，精准的风功率预测和最优消纳风电调度具有重要意义。近年来我国风电产业迅速发展，然而大规模风电并网给电网运行带来了新的问题，年利用小时数偏低、弃风量大等情况不仅导致风电产业经济效益降低，还严重影响了风电的健康发展。现阶段已有的风功率预测手段最大的问题是预测精度不够。原因一是模型深度问题，二是训练样本的规模和维度都不够大，数据清洗也还不够严格。导致模型难以适应复杂的场景和地形中流场关系。如何提高风电预测精度和风电消纳能力成为中国风电面临的挑战。
　　本文综述了国内外风功率预测和区域消纳风电的优化调度的研究现状，分析了风电出力特性及其对电网的影响以及当前风电的预测水平，并指出联络线参与优化调度可以充分利用相邻互联区域的有效备用容量和联络线的剩余输送容量，对全网优化调度具有重要意义。
　　针对风功率预测，先对数值天气预报(NWP)数据进行特性分析，论证了NWP数据存在时空偏移，设计了以风电场风功率历史数据以及风速风向等NWP数据为数据输入结构，并通过主成分分析提取有效数据，降低数据规模。构造了基于CNN-LSTM的短期风功率预测模型，将处理过的气象数据和历史风功率数据通过卷积网络实现对数据的特征提取和进一步的数据降维，再通过长短期记忆网络实现对数据的拟合，并在神经网络的训练过程中引入DropConnect技术减小模型中的过拟合现象，最终实现风功率的精确预测。
　　针对风电优化调度，提出了基于Nash-Q学习方法的互联区域大规模风电协调消纳策略，建立考虑风电不确定性的互联系统经济调度模型，以最优消纳风电为研究目标。首先，针对不同区域参与者各方利益的等效成本，构建各自的状态决策模型，建立以多区域各方参与者间利益均衡为目标的非合作博弈Nash均衡模型；再次，针对博弈模型中的高维度决策变量，引入Q学习算法，建立基于非合作博弈Nash均衡和Q学习算法相结合的互联系统调度求解方法；最后，通过改进的IEEE39节点互联系统验证了所提方法可以实现区域间利益的合理分配，促进风电的大规模消纳。