在全球都在强调低碳经济和可持续性发展的大环境下，风能作为一种清洁的可再生能源得到了全世界的重视。但是大规模风电的存在给目前电网的管理带来前所未有的挑战，这主要体现在并网调度以及相应的规划上面。究其主要原因还是风能的随机性较大，从而导致风电厂发电总量具有很大的波动。本课题从风电的短期预测入手，以提高预测精度为目标，探索一种基于数据挖掘和传统数值方法相结合的预测模型。然后以该预测模型为前提，进而研究风电和其它传统发电厂（比如火电）之间的调度决策模型。该调度决策模型将运用随机规划的思想与预测模型有机地结合，从而大大降低调度风电时的不确定性风险和成本。本课题试图将风电预测模型的作用延伸到对风电厂早期规划上，提出相应的决策优化模型。例如风电厂往往会配套火电厂作为备份电厂，用于提高风电厂输出电力的可靠性。如果能够将风电预测模型应用到这类问题的规划，可能避免配套火电厂装机容量的过度冗余。
