风力发电在我国拥有不可忽视的装机容量,但风电功率具有波动性和间歇性的特点,大规模风电并网必然会给电网带来冲击,威胁电力系统安全可靠运行。高精度的风电输出功率短期预测便于有关部门制定调度计划,进行容量配置优化,提升风电的利用率。本文建立了一种风电功率短期预测方法和一种包含风力发电机组的微电网容量配置优化方法,具体研究内容如下:本文针对风电功率波动性、随机性和难以预测的特点,研究了风力发电的基本原理,构建了混合改进的布谷鸟搜索算法（Hybrid Improved Cuckoo Search algorithm,HICS）。后选取支持向量回归机（Support vector regression machine,SVR）作为基础预测模型,并用HICS算法对其惩罚因子及核函数参数进行优化,以回归拟合度最大为模型的优化目标,以风速和相对风向作为模型输入,以功率作为模型输出,构建了HICSSVR风电功率短期预测模型。最后利用法国东北部的国际示范性风电基地La Haute Borne风电场的开放数据集对模型的预测性能进行了实例测试。结果表明,在该实例背景下HICS-SVR风电功率短期预测模型的回归拟合度最高可达0.98,平均绝对百分比误差可达7.03%,该模型预测精度高,是一种有效的风电输出功率预测方法。此外,本文还针对含风电的微电网容量配置优化进行了研究。将包含风力发电机组、光伏电池、柴油发电机和储能蓄电池四种能源形式的微电网作为研究对象,在此基础上研究了此类微网的容量配置优化方法。为此构建了自适应动态差分进化算法（Adaptive dynamic differential evolution algorithm,AADE）,以综合经济成本和环境成本的最小化为优化目标,以上述四类能源形式的设备数量为优化变量,最终得到微电网容量配置的优化方案。为实现与风电功率预测模型的结合,本文将HICS-SVR预测模型得到的风力发电机组输出功率作为AADE算法容量配置模型的风电机组出力数据来源。引入比较算法分组进行容量配置优化实验,平均容量配置结果表明,以HICSSVR模型作为风电数据输入,ADDE算法的容量配置模型拥有最优质的配置结果,实例背景下的年总投资成本为3389840.3元,对比以传统风电机出力模型为基础的DE算法容量配置模型最多可节省864946.3元,约为当年总投资成本的20.3%。该模型能够在追求环保的同时减小经济成本投入,是一种可靠的容量配置优化方法。