随着世界能源的高速消耗,以及生态环境的日益恶化,风能作为一种清洁的可再生能源,越来越受到世界各国的重视。由于风电具有很强的随机性和波动性,随着风电机组单机容量和并网型风电场规模的不断扩大,风电穿透功率也在逐年增大,而随之带来的问题也日渐突出。因此,对风电场发电功率准确的预测,对保证电力系统安全、可靠、经济、稳定运行是十分必要的。在此背景下,本文对风电场发电功率短期预测系统的开发等问题展开了深入的研究。本文首先对国内外风电的发展情况以及当前的风电预测技术进行了文献综述。同时对风电功率预测的分类进行了简要介绍,本文主要研究某一风电场的短期功率预测。本文分析并介绍了风速、风电功率的基本特性和风电功率预测的基本步骤,重点分析了对风电功率影响较大的因素。本文以应用最为广泛的神经网络原理为基础,用数值天气预报数据作为输入,给出了改进的小波神经网络方法的具体算法和预测步骤。在MATLAB环境下本文对BP神经网络预测模型和改进的小波神经网络预测模型进行了仿真实验,对内蒙古某一风电场进行了提前24h的风电功率预测,并将两种方法的预测结果与实际结果进行比较,结果显示本文提出的预测方法更好,验证了小波神经网络法应用在风电功率预测中的可行性。在掌握了风电功率短期功率预测的理论和算法之后,利用VB设计了一个风电功率短期预测系统,使预测过程简单方便,便于调度人员的操作。