在双碳目标和能源转型背景下,构建以新能源为主体的新型电力系统是能源革命内涵的深化,其中高比例风电并网会严重影响电力系统供电充裕度、供需平衡等,而科学的风电中长期电量预测结果可以协助电网编制中长期发电计划、电源调配计划和设备检修计划等。所以为了满足风电高速发展的需求,需要突破短期功率预测的时间尺度限制,在中长期电量平衡层面预留风电消纳空间。本文考虑到资源数据的充裕性,基于场站现有电量数据,分别针对资源再分析数据和气候态预报结果从资源特征挖掘的角度搭建中长期电量预测模型。最后,基于熵权值得到融合多预测结果的中长期电量。首先,在沿海风电场电量数据重构的基础上,分析了中长期电量序列波动特征;继而基于资源再分析数据构建资源特征参量,分别从气候变率和误差区间的角度出发,采用Box-Cox数据变换和差异化拟合风速-功率曲线的方式,对卡尔曼滤波法推导未来资源特征参量过程进行优化;最后结合特征参量-电量转化方程搭建中长期电量预测模型。实验结果显示,从气候变率和误差区间角度优化中长期电量预测模型,可以有效地提高模型的预测精度。其次,考虑到未来气候预报信息在中长期电量预测的重要作用,本文还提出了一种考虑不同风能特征的风电中长期电量预测方法。以风能资源气候态预报结果数据为输入,通过构建风能特征挖掘模型,实现了不同预报误差特性数据集的筛选,进而结合风电场实际发电数据,基于灰狼优化算法（Grey Wolf Optimizer,GWO）与长短时记忆网络（Long Short-Term Memory,LSTM）构建了适应性预测模型。算例验证显示,该方法可以实现风电场及区域电量预测,模型预测性能更优。最后,本文分别对基于资源再分析数据采用数学模型挖掘月度资源特征参量的序列分析方法和基于气候态预报结果采用数据驱动模型挖掘日风能特征参数的深度学习方法预测结果进行了分析,发现两者预测误差存在一定的互补特性,利用线性动态加权的方法将两种方法预测结果进行融合,并取得了较好的实验效果。论文研究可为风电中长期电量预测提供参考。