随着经济社会的发展和能源需求的日益增加,风力发电技术得到了加快发展,风电装机容量和比例增加迅速。考虑到自然风的波动性,大规模风电并网给电力系统的安全稳定运行带来了严峻的挑战,短期风速预测是应对风电不确定性、促进风电消纳的重要途径。目前大多数短期风速预测研究是围绕历史风速数据建模预测,很少考虑风速自身的物理特性,导致对短期风速的预测精度难以进一步提高。为了提高对风电场短期风速预测的准确率,论文基于模态分量的分形特征,研究了适用于处理短期风速数据的分解方法。考虑到大气运动的混沌特性对实际风速的影响,对大气运动的混沌特性进行近似表征,进而对风速的分解过程进行优化。当风速数据被有效分解后,研究了结构简单、更适用于短期风速的预测方法。综合以上方法,提出了考虑大气运动混沌特性的风电场短期风速预测方法。通过对两个风电场采集的实际风速数据进行分析,并与多种方法对比以验证论文研究方法的有效性。论文的主要研究内容如下:（1）针对实际风速的波动性和非线性等特性,提出了基于分形特征的自适应EEMD风速分解方法。该方法在研究了白噪声的幅值和加噪次数对EEMD分解效果影响机理的基础上,根据不同模态分量展现出具有显著差异的分形维数,采用粒子群优化算法寻优模态分形维最小时的参数,实现EEMD对风速的准确分解。在此基础上,通过判断信号中噪声、干扰等异常信号的分离情况,采用部分集合平均的方式提高自适应EEMD方法的快速性。结果表明,本方法改善了EEMD对参数的依赖性问题,能获得更加平稳的高频分量,各模态间的正交程度更高。（2）当合适的白噪声参数确定后,自适应EEMD的分解效果取决于风速中所包含的变化信息。考虑到大气运动的混沌特性对实际风速的影响,提出考虑大气运动混沌特性的风速分解优化方法。该方法利用Lorenz-Stenflo方程表征大气运动的特性,描述风速中所包含的混沌信息,对自适应EEMD的风速分解过程进行优化,减弱大气运动对风速带来的不利影响。通过判断高频模态混沌程度的强弱,实现方法对不同风速信号的有效性。结果表明,本方法通过对大气运动影响的量化作用,能减弱大气运动对风速带来的不利影响,使自适应EEMD分解得到的模态分量的规律性更强,有利于后续预测方法的建模过程。（3）为了建立结构简单、精度较高的风速预测模型,提出一种结构更为通用的连分式预测方法。基于反差商理论,推导了一种更为通用的连分式预测方法,对连分式预测的可靠性进行了证明,并利用逐步参数估计法对连分式的结构参数进行估计。考虑到风速的波动特性,利用波动残差校正函数对预测结果校正。结果表明,相比于五种基准方法,本方法能较好地捕捉风速数据的变化规律,具有更高的预测精度。（4）综合提出的风速分解方法和风速预测方法,考虑大气运动的混沌特性对短期风速的影响,提出考虑大气运动混沌特性的短期风速预测方法。利用考虑大气运动混沌特性优化的自适应EEMD方法将风速数据分解为若干模态分量,采用连分式对每个模态分量预测后叠加获得对原始风速的预测值。为了分析研究方法的预测性能,对两个风电场的两种时间尺度的风速数据进行分析。结果表明,本方法能很好地发挥各自方法的优点,在预测准确率方面有明显优势。