随着我国风力发电装机容量的迅猛发展，风电在电网中的比例不断增加，但是由于风具有波动性、间歇性、低能量密度等特点使得风电功率也是波动的、间歇的，这也就意味着接入电网的风力发电将会对电力系统的安全、稳定运行以及保证电能质量带来严峻挑战。因而，开展风电场功率短期预测的研究对于中国实现大规模开发风电场是必要的和急迫的，其中便于应用于工程实践中的风电功率预测软件的开发更是具有重要的研究意义和实用价值。　　 论文主要根据目前工程实践的需求，编写开发了基于风电场的实测风电功率值的风电功率预测软件，用于风电功率的短期预测。通过对目前已有的几种风电功率预测方法的优点及其局限性进行分析并加以改进，同时考虑了风速、风向和空气密度这几个影响风电场出力的关键因素，论文最终将时间序列模型中的ARMA模型、人工神经网络中的BP网络、RBF神经网络及支持向量机模型这四种风电功率预测算法添加到软件的算法包中，并对四种算法的预测效果进行了分析以确保预测算法的可行性。用户在使用预测软件时能够根据自己的实际使用情况自主选择使用哪种算法来对风电功率进行预测，以提高预测结果的准确性。此外，论文还使用上述几种算法对同一风电场进行不同时间尺度的功率预测以探究不同时间尺度对预测模型精度的影响。通过对预测结果的误差分析得出预测的时间尺度越短，模型的预测误差越低，精确度越高的结论，这一结论对用户正确使用软件来进行风电功率预测具有重要意义。　　 此外，论文用C＃与Matlab混合编程的方式编写设计了软件的界面以及整体结构框架，并利用Matlab自带的工具函数及C#自带的Excelcom组件实现了将风电功率预测结果用Excel数据文件工作表的方式显示出来，便于用户对预测结果的操作和处理。最后，论文还对整个软件的整体运行效果进行了测试并取得了良好的测试结果。