现如今,人们对能源的需求量不断加大,新能源以清洁、可再生等优势得到大力发展,其中风能的开发与利用更是被世界上各个国家所青睐。就目前而言,我国的风电总装机容量已经位于世界前列,但存在风资源利用效率低下问题。所以,如何提高风资源利用效率,依旧是一个亟待解决的问题。通过对未来的风电功率准确的预测,可使后续的调度安排更加的科学合理,以此来更好的提高资源的利用效率。本文立足在此背景下,以提高风电功率的预测精度为目标,进行了一系列的研究。本文首先针对风电场的原始数据,采用误差迭代算法对原始数据进行预处理,将异常数据样本进行剔除。然后采用非参数估计方法中的总体分位数的估计方法进行去噪,得到以0.9为置信区间进行去噪后的数据效果最佳。其次,对数据进行归一化处理,采用非参数回归算法,采用决定系数、均方根误差及平均绝对误差百分比3种误差评价指标,选择高斯核函数与固定值的窗宽,然后采用插值法对缺失的数据进行处理,将数据输入非参数回归模型,得出风电功率与实际风电功率曲线拟合效果较好,并进行了4小时的功率预测,其预测效果较好。为了进一步提高预测效果,本文基于固定值的窗宽,对高斯核函数、Epanechikov核函数、四次核函数和Sigmoid核函数这4种核函数进行分析对比,结果表明四次核函数拟合效果最佳。然后基于四次核函数,采用蚁群算法对窗宽寻优,找到适合该风电场所研究风机的窗宽值。在选取了四次核函数和最优值窗宽后,将数据输入非参数回归模型,拟合与预测精度得到进一步的提高。研究结果表明,本文所提出了非参数回归算法能够实现对风电功率的预测,效果较好,为提高风资源的利用效率提供了一定的参考。