风电装机容量的逐年快速增长，使得风电在电网中所占的比例也逐年增大。但由于风的高度随机性和间歇性等特点，大容量风电接入电网对电力供需平衡、电力系统安全以及电能质量带来严竣挑战，因而限制风电的发展规模。预测风电场的出力成为解决此问题的有效途径。借助预测结果，电力调度部门能够提前并及时调整调度计划，同时减少电力系统的备用容量、降低电力系统运行成本。当预测精度达到一定的要求，还可增大电力系统中风电最大装机比例，提高风电的竞争力。　　 本文在此背景下选择风电功率的短期预测作为研究内容。文中首先介绍了风电发展现状以及风电场短期预测的意义和国内外研究现状，对当前的风电功率预测方法进行了概括，并对时间序列和BP神经网络原理、算法及其改进做了相应论述。本文根据从--风电场获知的27天的相关运行数据，主要在时间序列法初步建模的基础上，用神经网络法对风电功率短期预测进行探索性研究。针对风电功率的随机时间序列特性，初步建立时间序列模型预测风电功率，同时基于相同的数据建立BP模型，运用MATLAB软件编程预测输出，并对比两模型结果。随之改进BP网络模型，建立基于多维数值气象数据输入的风电功率短期预测模型，其中运用时间序列方法对模型的多维输入参数作相应处理，同样采用MATLAB软件编程预测提前1小时、2d小时、4小时、8小时以及24小时的风电功率，并对提前不同时间的预测结果及误差进行对比分析。为了提高预测的精度，引入含空间性数据的GIS模块，完善已有的基于数值气象数据的BP网络预测模型，以及对预测结果的不确定性进行分析，并在前述模型的基础上，简单搭建预测系统。本文最后总结风电功率的预测结果和存在的问题，以及提出需要进一步改进的地方。