由于化石燃料枯竭和环保需求,对清洁能源需求的逐渐增大,风电作为一种现如今开发较完备的新能源,在电力系统中发挥着重要作用,但是供暖期弃风情况严重。针对弃风现象,如何就地多消纳风电是解决问题的关键。根据寒冷地区的供暖特性,作者提出了一种通过控制用户端需求侧响应,从而提高系统风电消纳能力的方法。通过预测风电机组的发电量并根据当地温度情况,综合控制电采暖负荷系统合理出力,提高电力系统的经济性,因此利用可控电采暖供热进行风电消纳的研究具有重要的现实意义。本文研究了根据预测的风电出力情况,设计一种电采暖消纳风电的方案。首先在不完整数据下风力发电预测使用马尔可夫模型(Markov)和神经网络(Back Propagation,BP),遗传神经网络(Genetic Algorithm,GA-BP)进行预测与对比选择。对整个风电场进行建模,处理风电场的实测数据,一方面建立一阶Markov模型在四种状态空间数下进行预测仿真,另一方面利用BP神经算法训练仿真的预测模型,并且在此基础上利用遗传算法进行优化。最终对比三组预测效果,根据实际情况选择最优风电功率方法。考虑了预测的风电出力的特点及其居民冬季取暖的舒适度诉求,根据用户用电行为的差异性分类,以室内温度作为调节杠杆,设计了通过实现负荷唤醒以提高系统谷时风电消纳能力的非交互式分布式电采暖系统模型。通过考虑到电价对用户用电行为的影响,建立交互式分布式电采暖系统模型,综合比较平时电价,分时电价和实时电价下优化模型的特性,在此基础上进行温控区间和电价区间优化并确定最优控制策略。通过仿真分析,分布式电采暖系统的引入明显减少了弃风现象,同时电价杠杆有效刺激用户端负荷响应,配合适当的温控区间和电价区间将进一步提升系统风电消纳能力,证明了电采暖系统进行风电消纳的可行性和有效性。关于电采暖进行风电消纳研究能够改善弃风现象,同时增加电网电力经济性,并且本文的研究是基于某地区真实的气象数据,风电出力数据和用户负荷量,因此实验结果对未来风电消纳研究具有一定的理论意义和指导作用。