随着工业的发展和国家可持续发展政策的推动下,风能作为清洁能源已得到迅猛的发展。我国的风电装机容量持续增长,风力发电技术也日趋完善。然而风电具有波动性、间歇性和非平稳性等特征,大规模风电机组并网给电力系统的稳定运行带来挑战。提高预测系统的精度可改善风电场的管理、减少“弃风限电”的现象,有助于电网的安全调度。因此有必要针对风功率预测方法展开研究。本文主要针对风功率的超短期预测和短期预测两个方面展开研究,具体内容如下:(1)总结国内外风力发电领域的发展现状、发展市场以及存在的问题,总结当今风电预测技术的研究现状,分析总结风电功率预测方法的工程意义和研究意义。(2)分析风电场测风数据、天气预报信息数据,对风电场的数据进行修正和填补,分析各数据特征对风功率的影响和映射关系。(3)针对传统模态分解方法的不足,将MEEMD方法处理风电功率时序信号,提出了基于MEEMD-KELM的超短期预测方法。首先采用MEEMD方法对原始的功率时间序列进行分解,再通过KELM模型进行预测。仿真实验表明该方法预测精度更优。(4)提出了基于中智聚类和IOWA算子的风电功率短期组合预测方法。首先采用中智聚类将数值天气信息数据划分成若干个天气类型,针对不同的天气类型分别建立GA-BP、GA-ELM、GA-WNN模型。利用IOWA算子对三种模型分配权重,从而得到最优组合预测模型。仿真实验表明该方法较传统方法具有更高的精度。