为应对可再生能源发电并网比例不断攀高所带来的问题,电力打破垄断、引入竞争的市场化改革势在必行。风电运营商作为市场参与者也必须以平等的身份参与到这一电力市场化改革之中。风电运营商平等参与市场竞争,不仅要追求其自身利益最大化,同时也要减轻电网因风电不确定性所带来的运行风险,可见,如何提高风电场的可调度性和可控制性,是风电商应对电力市场化改革的一个关键的问题。风电商在参与市场交易过程中,不确定性引起预期计划偏差与围绕预期计划偏差的处理是解决这一关键问题的焦点,如何从市场竞争角度审视和处理这一焦点就是风电商运营的策略。由于各类储能技术的进步,以及电动汽车等具有主动行为负荷的出现,为风电商运营策略的研究与实践奠定了基础。在此背景下,本文就风电商运营策略进行了较深入的研究,主要研究成果与工作体现如下:(1)利用平均绝对误差和均方根误差对两种日前短期功率预测方法的误差进行比较,分析了风电商在不采取其他措施下的日内收益及购买调节功率备用的盈亏机制。在此基础上,给出了储能系统的控制策略,储能系统在不同充放电深度下的电池损耗程度不同,为此推演电池等效充放电系数的数学表达,得到不同电池类型在风电场运营期间的预期寿命,建立以风电场配置储能系统获得的净收益最大为目标的电池类型与容量配置的优化模型。基于这一优化配置模型,对其进行了运行模拟,表明储能系统可带来一定的收益。(2)建立了电动汽车的集群充电负荷计算流程,从而分析了电动汽车集群对补贴电价或者购电电价的响应效果。风电商与电动汽车用户合作的方式是:电动汽车用户在某一时段为风电商日前发电计划不足的功率暂停充电,风电商支付给电动汽车用户较高的补贴费用;或者在某一时段为风电商日前发电计划多余的功率增加充电,风电商向电动汽车用户收取较低的购电费用。由于风-车合作模型具有不确定性与时序上的关联性,引入强化学习中的Q学习算法进行求解,算例分析表明,在经过一定历史数据的训练后,建立起的Q学习控制器能够较好的决策由储能系统和电动汽车用户分摊的日前预测误差,可提高风电商的收益。(3)分析了双馈风电机组与储能系统的无功、电压调节特性,大型风电场内部拓扑结构复杂,风电功率的波动性容易引起位于集电线路末端的风机机端电压越限,需要快速设定各风机与储能系统的无功功率基点以稳定各节点电压。由于大型风电场内部风电机组数量多,所建立的无功优化模型属于连续空间上的多变量非线性问题,传统方法难以求解,为此引入深度强化学习中的DDPG算法,算例分析表明在大量历史数据训练后,DDPG算法控制器能够拟合出较优的动作解,减小风电场内部有功损耗的同时稳定各风机机端电压,进一步提高风电商的收益。