近年来,伴随着越来越严重的污染问题,可再生能源受到了国内外众多国家的关注。风能是一种无污染的清洁能源,如果利用好风能将有巨大的经济效益。风功率是风能的一个极其重要的参量,实时风功率测量的准确性直接关乎到风力发电机能否平稳高效地输出电能。风功率对于风能评估和风电系统而言意义重大。目前国内外测风技术有很多,和其他方法不同的是,超声波测风不含机械部分,因此不需要经常去进行保养和维护,其工作原理是测量信号从发射到接收所花费的时间,即信号的飞渡时间,通过时延估计法就可以得出风速,进而可以得到风功率测定值,该方法不仅可以得到更精确的测定结果,而且在恶劣的天气条件下依然可以满足测量要求。时间延迟估计法能够快速得出超声波的飞渡时间。针对风电系统里的噪声,本文首先对alpha稳定分布和时间延迟估计问题进行讨论与研究,在信号的建模过程中,可以分为基于高斯模型的和基于alpha稳定分布模型。不过风电系统中的信号一般都具有脉冲性,因此不能以高斯模型进行建模。为了解决这一问题,本文对自适应时间延迟估计方法进行优化,方法是将风电系统中的信号用假设为alpha稳定,把信号的优化准则进行更改。通过在计算机上的仿真分析以及和其他算法进行对比,结果表明该方法性能更好。然后建立超声波采集系统,得到该系统基准信号和回波信号,通过实验来验证算法的精度。然后根据时间延迟的估计值就可以计算出实时风速,最后由公式得到风功率值。最后,对比三种算法产生的误差,验证了基于改进的自适应时间延迟估计方法计算结果具有更高的精度。