在目前已经投入应用的各种绿色能源当中,风能凭借着其经济优势以及易于开发的特点,成为了用以代替化石能源的主要新能源之一。大规模风电并网有助于减轻自然界的污染问题,是推进能源改革的有效手段。但是由于风能天然存在的随机特性,使得其发电功率具有波动性,难以人为参与调控,若将这样的风电功率直接并入电网,将会影响电网的供电稳定性。所以,对风电功率预测办法进行深入研究并尽可能提升其精度是保障供电稳定的重要手段。为了探究效果更好的超短期预测方法,将超短期多步预测划分为直接多步预测、滚动多步预测和多采样间隔多步预测三种不同的预测模式,并利用学习速度很快的极限学习机预测模型对这三种预测模式进行实例分析。在以上分析的基础上,提出了适用于混沌的多步预测模式改进方法,针对混沌时间序列的初值敏感特征,对上述预测模式进行适用性改进,最后采用加权一阶局域预测模型进行混沌预测,验证不同预测模式的预测精度。在风电功率单一变量的混沌预测基础上,分析了风电场内不同风机的运行状态对输出功率的影响,采用灰色关联度作为描述风电场运行状态变量与风电功率序列的关联程度的手段,对各状态变量按照灰色关联度大小进行排序,选取其中关联度最大的两个状态变量:变桨电机扭矩和发电机轴承温度,与风电功率序列一起作为预测模型的输入。对于建立在相空间重构理论基础上的混沌预测方法,通过采用多变量相空间重构技术代替传统的单变量重构,构建了多变量输入的加权一阶局域预测模型,从而满足了将风电场运行状态变量作为输入进行混沌预测的需求。从用电负荷角度出发,发现了对风电功率预测精度的要求在一天内不同时刻的严格程度不尽相同。对于负荷高峰时刻,对预测准确率的要求将大大升高,通过上文的预测模型对东三省风电场总风电功率进行预测误差分析,统计了预测误差值的分布情况。在此基础上,提出了负荷高峰时候的正向误差和负向误差,通过对正负误差所占天数的差值按时间分布情况的分析,定义了一种通过修正系数对预测值进行修正的负向误差削减方法,从而在不降低预测精度的条件下减少负荷高峰时刻的负向误差。