准确的风电功率预测有助于减小风电出力波动对电网的影响,但到目前对于风电功率预测的研究还未达到令人满意的程度。现有的风电功率预测方法一般也只给出了确定性预测结果,难以满足电力交易与电网调度中不确定性风险分析决策的要求,因此还应该对预测值所包含的风险给出合理的评估,有必要对风电功率做出概率性预测。本文基于非参数理论,对于短期风电功率确定性及概率性预测进行了研究。一方面,建立了基于非参数自回归方法的短期风电功率确定性预测模型。将风电功率样本按对应于采样时刻进行划分,即每天同一时刻采集的风电功率历史数据构成一组时间序列,如每日为96点采集则可划分为96组时间序列,基于此时间序列建立非参数自回归模型,预测每个时间序列下一点对应的功率值,从而得到未来一天的风电功率预测结果。该方法直接从历史数据出发,能够避免主观因素的影响,保证预测精度的客观性。以我国某省全部风电场作为一个整体为例,预测其总的风电功率值,算例结果验证了非参数自回归方法应用于风电功率短期预测的有效性。另一方面,基于非参数统计方法对风电功率的概率性预测进行了研究。首先论述并分析了基于核估计方法的预测模型,鉴于其存在的对样本数量要求多、而实际可利用的历史数据较少而不满足要求的问题,本文将非参数方法中的Bootstrap法与核估计方法相结合,建立了相应的风电功率概率预测模型。该模型依据Bootstrap方法对预测误差历史数据进行重抽样,形成大量可用于统计分析的预测误差样本,再基于核估计法对预测误差概率密度建模,从而在风电功率确定性预测结果的基础上得到概率性的预测结果。本文仍以某省风电场全年的日风电功率进行算例分析,算例结果表明概率性预测相较于确定性预测可以给出未来时段风电功率的波动范围,可有效帮助调度与交易人员做出决策。