面对资源日趋紧张的现状,开发利用可再生能源成为了世界范围内能源发展战略的重大举措和主要潮流。风能作为重要的和最成熟的可再生能源技术,已成为了可再生能源发展的重要方向。随着风电装机容量的增加,风电功率预测将成为电力系统必不可少的重要组成部分,而在未来的五到十年内风电功率预测的研发和应用重点是陆地风电场的超短期和短期预报。在此背景下,为满足风电运行、维护及调度管理需要,提高风电功率预测精度,对预测方法进行了研究和改进,并进行了基于实测数据的超短期风电功率预测应用研究。首先介绍了风电功率预测的发展历程和研究现状,并着重分析了风电功率预测的两种具有代表性的基本方法,时间序列法和BP神经网络法的基本原理,给出了单一算法预测的优缺点；在此基础上探讨了时序法与神经网络法相结合的合理化思想,采用了新的结合方式,综合考虑了风速,风向,以及风电场当地的物理限制,提出了一种基于ARIMA与BP神经网络相结合的风电功率混合预测方法,并建立了预测模型；在模型的理论基础上,综合课题研究的需要,以及对软件的实用性需求,建立了预测软件的基本框架,开发了基于混合模型的风电功率预测软件；最后针对不同风电场的风力发电数据展开了应用研究,结合国家颁布的风电功率预测标准,利用模型对某几省网风电场的大量实测数据进行分析预测并与既有的预测模型进行了对比论证。仿真结果表明,该方法具有较好的风电功率预测精度,符合风电功率预测标准的要求,预测精度有所提高,具有较好的实际应用价值。