风力发电是新能源发电中最具大规模开发和最有商业化发展前景的发电方式,但风力发电在很大程度上依赖于气象条件,风向和风速等因素会导致风力发电量上下波动,并且随着风力发电在电网中的比例逐步增大,风电并网会对电力系统稳定运行造成一定的影响。若能较为准确地把握到未来短时间的风功率变化趋势,就可以更好地减小风电接入对系统备用容量的需求,增加电网消纳风电的能力,有效减轻风电并网对电力系统带来的不利影响,提高电力系统运行的经济性能。在此背景下,很有必要对风功率超短期预测展开一定研究。本文根据对影响风场向电网输送的有功功率的相关因素进行分析,主要考虑了风速、风向等因素对风功率预测的影响,以我国西北某风电场的实测历史数据作为训练样本,对数据中的异常点进行修正或剔除。分别采用BP神经网络法、支持向量机法和相关向量机法的算法原理搭建了三种算法的超短期风功率预测模型并阐述了实现步骤。在分析了以上算法在仿真建模过程中的一些特点后,本文在单一核函数相关向量机模型的基础上,提出采用一种混合核函数的相关向量机风功率预测方法,对该算法中混合核函数的选取做了分析,确定本课题中的混合核函数由高斯径向基核函数和线性核函数构成,并进行了参数的优化选取。通过从仿真结果及算法的实现过程等方面对基于不同方法的风功率预测效果进行了比较分析,仿真结果验证了本文采用的混合核函数的相关向量机风功率预测算法的有效性,该算法模型误差小,精度高,方法便于实现。最后,在风功率预测算法的基础上设计了风功率预测软件,在软件中可以对数据灵活选取、进行风功率在线预测以及对误差进行分析,有助于更加便捷的进行算法验证,简化试验步骤,更加直观的观察试验效果。