作为一种间歇性的资源,风能对电网的安全性、电力系统和市场经济的运行具有重大的影响,尤其是在风力发电普及率较高的地区这种影响显得更为突出。不同于煤、石油、天然气等其他化石燃料,风能在使用过程中几乎不会产生导致温室效应的气体,因此,风能的预测及使用一直在风电场规划和电网业务规划中起着重要的作用。鉴于风能在风电场规划和电网业务规划等其他方面的重要影响,提高风能的预测精度就显得极其重要。风能的预测与风速的预测是密不分的,为了提高风速预测的精度,人们已经提出多种算法并对部分算法做了改进。但是,由于不同风电场之间风速模式的差异性,以及风速的多变性和难以控制性,使得任何一种风速预测方法都不能够适用于所有的风电场且取得较高的预测精度。因此,本文提出了一种新的基于神经网络和季节调整的混合型风速预测方法,并将其应用到中国河西走廊民勤地区的风速预测。研究结果表明,相对于未使用季节调整的神经网络预测方法,此方法能够在风速预测方面取得更优的预测结果。此外,为了表征季节指数调整在预测带有季节性的时间序列方面确实能够提高预测精度,基于季节指数调整的回归模型被用于电力负荷预测,澳大利亚维多利亚地区的电力负荷预测结果证实了这一结论的可靠性。