当前,在我国风电快速发展的同时,随着风电渗透率的提高,由于风电机组缺乏调频能力导致电力系统频率不稳定的问题也越发严重。风电机组通常都运行在最大功率点,无法提供类似传统机组的调频备用功率,在系统频率下降时无法提供频率支持,影响电网系统的稳定运行。为了提高风电的消纳,保证电网系统频率的稳定性,风电机组参与电网调频的能力研究显得十分必要。首先详细的分析了随着风电渗透率的提高,风电参与电网调频的重要性,研究了国内外的研究现状,并进行归纳总结,分析了现有风电调频方法的优缺点,确定了考虑风电不确定性的风电机组提供调频备用容量并参与电网调频的研究思路。分析了风电功率预测的现有方法的优缺点,提出了核极限学习机核密度模型(KELM-KDE)进行风电功率的概率密度预测,采用粒子群算法(PSO)优化核极限学习机的模型参数,提高预测性能。利用核极限学习机拟合能力强和核密度非参数估计法的思想,实现风电功率的快速准确的概率性预测,减少风电的不确定性,为考虑风电不确定性的风电机组提供调频备用容量并参与电网调频方法奠定基础。基于KELM-PSO-KDE风电的概率预测模型确定风电场在日前能量市场和调频市场的最优投标功率。根据PJM日前市场交易规则,以及风电的上网价格和备用容量的价格,分析风电在能量市场上并网功率与在调频市场提供备用功率大小和风电场收益的关系。依据风电功率预测结果,建立以风电场经济效益最大的优化模型,并利用Karush-Kuhn-Tucker(KKT条件)进行优化求解,获得风电场在日前能量市场和调频市场的最优投标计划,利用MATLAB进行仿真并与风电场只参与能量市场对比,验证了方法的有效性。最后进行风储联合运行参与调频研究,利用储能系统消纳弃风并参与调频。建立了风储联合系统的经济性指标,基于风电场的历史弃风功率利用粒子群算法进行储能容量与功率的最优配置。并根据日前风电功率预测(KELM-PSO-KDE)和风电场的限功率情况进行储能吸收弃风容量的估计分析,为电力系统的调度提供指导。