由于全球能源危机以及空气污染加剧，许多国家都在研发利用可再生能源，而安全、清洁的风能无疑是非常重要的可再生能源。风电场风速较准确的预测和评估有利于合理规划风电场调度以及对风功率的控制，保证电网的电能质量，对风电并网后电网的安全经济运行具有重要的意义。而目前的风速预测误差依然较大，不能够满足实际需求。因此，风速时间序列的预测研究仍然是当前研究的热点和前沿问题之一。　　本论文采用了一种比较新颖的风速时间序列预测方法，即基于分形理论的分形外延预测法，将分形插值理论引入。通过程序判断样本风速时间序列是否具有自相似性及标度不变性，即分形结构。对于具有分形结构的风速时间序列，由样本风速时间序列的主要波峰波谷点组成初始插值点构造IFS迭代函数系统，由分形迭代算法经过若干次迭代得到IFS迭代系统的吸引子;其中垂直比例因子di是一个非常关键的参数，它决定着IFS中的其它的四个参数，本论文提出一种新的求取垂直比例因子di的方法:改进的混沌优化算法。并且就混沌算法本身的不足而做了一些改进:算法在目标函数的设定过程中进行了改进。改进后的混沌优化算法，程序变得稍有复杂，但是垂直比例因子di优化了。　　为了进一步提高网络的预测性能，本文将基于分形理论的风速时间序列预测法与ARIMA模型法相融合，构造出一种混合预测方法，通过混沌优化方法确定融合参数。仿真结果表明:混合预测方法的性能优于单一预测方法，能够进一步提高预测精度，降低预测误差。