如今人类社会正面临着由于对化石能源的过度开发造成的能源危机以及环境破坏问题。为了解决这些问题,人们将目光投入到新能源领域,风能由于其清洁环保和可再生的特性,显现出了巨大的开发利用价值。然而风速非平稳性和间歇性的特点造成了风电并网的工程难题。为了解决该问题,研究人员提出了许多解决办法,其中短期风速预测是解决该问题的一个重要方案。基于国内外研究现状,本文提出了一种基于EWT分解和DE-GWO超参数优化的短期风速组合预测模型,并对该模型进行了研究。本文首先对基于分解方法的混合模型进行了优化,包括用可以自适应小波基并且具有完备的数学理论基础的EWT作为分解方法和用组合预测方法替代单一预测方法这两方面的改进。建立了不同频段信号特点与预测方法适用范围相匹配的基于EWT分解的组合预测模型。随后通过三组对比实验,证明了EWT分解和组合预测方法相较于传统分解方法和单一预测方法对于短期风速预测的提升效果,进而验证了该模型的预测效果。接下来,根据预测方法LSSVM和GPR中的超参数需要人为设置,并且这些参数设置不当会影响预测结果的问题,本文提出了用基于超参数优化的方法对预测方法LSSVM和GPR的超参数进行优化。本文根据DE-GWO算法可以结合DE算法结构简单、容易实现、收敛快速、鲁棒性强和GWO算法收敛性和全局优化能力强的优点,选用了DE-GWO超参数优化方法对与预测方法LSSVM和GPR的超参数进行了优化,建立了基于DE-GWO超参数优化的预测模型。通过与对照模型进行对比,证明了DE-GWO超参数优化方法对预测方法LSSVM和GPR的预测优化效果。最后,本文将基于EWT分解的组合预测模型和基于DE-GWO超参数优化的预测模型进行了结合,得出了最终的基于EWT分解和DE-GWO超参数优化的组合预测模型。并将该模型与13组对照模型进行了对比,系统地验证了该模型的预测效果。