中长期、短期及超短期等时间尺度上的风电功率预测技术，将风电的不确定性转换为风电预测误差的不确定性。提高风电预测的精度可减少风电不确定性的影响，支撑大规模风电入网后的安全运行与经济调度。
风电功率预测精度与数值天气预报及历史数据，特别是极端气候数据的积累密切相关。除了提高基础数据的完整性和有效性以外，还需要采用具有自适应能力的组合预测模型，集成各种先进的数据挖掘技术，如统计聚类分析方法和智能算法，挖掘风电功率在时空中的规律，以降低预测误差。
风电场综合控制
提高风电场的可控性和可调度性有助于减少风电不确定性的影响，而风电场（群）可靠性与经济性的提高还有赖于传感技术、通信技术、新型风电机组、联网优化及调度控制技术的进步。同一风电场内，可根据风电机型、排列位置和风况分群。在群内采用相同的控制策略；在机群间协调有功控制，实现总输出功率的平滑控制；利用储能和变流器技术，对有功功率波动进行调节控制。
风电场的无功出力受其有功的影响较大，需要协调两者的控制。例如通过动态调整转子磁链的幅值和相位来协调机端电压和输出功率，或装备具有联合控制能力的双极性储能装置。
故障穿越技术
非对称线路阻抗、非对称负荷及风速扰动等随机因素均会导致电压/电流不平衡， 而短路故障可能导致风电场的电压失稳。为了使风电场具备故障穿越能力，除采用变桨距控制 与无功补偿外，VSWT 还可通过变频器控制，或采用串联网侧变换器的拓扑结构。为支撑 VSWT 在故障电压跌至 0.15pu 时的可控运行， 需增加 Active Crowbar 电路或储能硬件。Crowbar 的效果与定子电压跌落程度、旁路电阻的大小及退出时间密切相关。
大容量储能技术
储能技术对功率和能量的时间迁移能力是应对风电不确定性的重要手段，得到广泛关注。目前能经济地同时提供超大功率和超大电量的储能手段仍然只有抽水蓄能。其次是电池储能与压缩空气储能，而飞轮、超导及超级电容等储能技术的应用则仅限于参与调频与改善系统稳定性。储能系统的功率控制模式分为功率跟踪和非功率跟踪两类。
应用储能装置解决大规模风电并网问题的基本思路，展望了大规模应用储能技术所面临的问题及前景。在输电系统规划中考虑了风电场和储能系统的协调。用失负荷概率来衡量风电不确定性对系统增加的运行风险，讨论了电池储能系统对运行风险的降低。
