新世纪以来,全球经济快速增长,同时也带来了能源需求的快速增长。伴随着化石能源的日渐衰竭,大力开发利用新能源已经成为当今能源革命的主题。而风力发电是全球发展最为迅速的新能源发电形式,已经实现了连续十年装机容量20%左右的快速增长。然而,由于风电自身的特点,波动性和随机性大,不可控的问题严重,并网和消纳正逐步成为制约风电开发的最主要问题。由于我国国情所限,无论是风资源条件还是系统调峰能力都与欧美等国差距很大。“弃风”压力格外明显。在这样的背景下,大型风电场群需要提高自身的控制水平,使大型风电场群向“电网友好型”电源过渡。围绕这一目标,本文在风电数据预处理、大型风电场群平滑效应、大型风电场群聚类模型、短期风功率预测和大型风电场群优化控制等方面进行了研究,主要研究工作如下:在数据挖掘的过程中,数据预处理具有重要意义。本文基于马尔可夫链理论,建立了双向缺失点补充模型,对风电数据进行缺失点补充。仿真结果表明,基于高阶马尔可夫链的双向缺失点补充模型,具有很高的精度,可以满足数据预处理的要求。通过对大型风电场群运行数据的分析,定量分析了平滑效应在大型风电场群中空间尺度上的表现,获得了如下两条性质:在风电场群内部,风电出力波动随空间范围的变大而下降;距离较远的区域之间的组合能更好的平抑波动,具有更强的平滑效应。基于虚拟发电厂的理论和模糊C聚类算法,建立了大型风电场群聚类模型,将整个风电场群化作多台虚拟风力发电机,在虚拟风力发电机内部,遵循“同调等值”的原理,进行整体调度和控制。鉴于风功率信号在同一频率上具有更为接近的性质和表现,选择最优小波包变换作为信号分析手段。本文的短期风功率预测模型采用了最优小波包变换与最小二乘支持向量机结合的方式。通过实际风功率数据验证,结果表明加入最优小波包变换的预测方法,其预测精度有了明显的提升。在风机有功功率模型分析的基础上,建立了虚拟风机全程可调策略。在风况允许的条件下,小范围调节时通过发电机转矩,大范围调节时通过桨距角和转速联合调节,实现对风电机组功率全程可调,进而实现虚拟风机整体的全程可调。最后基于短期风功率预测的结果和虚拟风机整体的全程可调,提出了一种基于粒子群优化算法的大型风电场群优化控制策略,使得大型风电场群向“电网友好型”电源过渡。