风电运行不可忽视的随机性、波动性、间歇性和反调峰特性等问题给大规模的并网消纳带来严重的影响,并随之造成“弃风”现象。而日益成熟的储能技术在时空尺度上可以存储不能及时消纳的风电,平抑风电的波动性。因此,本文以风电功率作为研究对象,站在风电功率预测以及储能容量优化的角度,改善风电波动性大的缺点,有利于更加合理地计划调度风电并网,缓解当前严重的弃风问题。本文采取理论知识与实例分析相结合的研究方法,首先,本文概述了关于风电功率预测以及储能容量优化的基本理论,利用DNN-SVM组合预测模型对某风电场2018年1月的风功率数据进行预测训练与测试,并且对比卷积神经网络、BP神经网络算法,体现该预测模型良好的预测准确性。其次,基于风电功率预测的研究结果,针对某153MW的风电场,考虑全钒液流电池的工作特点,进而以经济效益最优,弃风量最小为目标,考虑风能实时出力、电能质量等约束,计算配置风电场的储能系统容量并运用灰狼优化算法进行实例求解,得出结论:对于本文中153MW的风电场,配置容量为13.67MWh的储能系统可使总收入达到2450.64万元并且弃风量为0。最后,建立风电系统集中式储能联合系统的仿真模型,并利用该风电厂6月份的风电功率数据进行仿真分析,验证了储能的平抑作用,加入储能后的综合系统功率波动率明显平滑。本文旨在通过对风电系统输出功率的预测以及某地区风电厂配置储能容量的优化,为风电平稳运行提供新的思路,从而在保证经济收益最大化的同时尽可能的减少“弃风”现象。