随着常规能源消耗加速与环境恶化加剧,全球范围内的能源问题凸显。风能作为安全性与可行性俱佳的绿色能源,其大规模应用对缓解能源和环境问题具有重大意义。我国的风电装机容量在近几年来呈现高速增长的态势。由于风能资源的间歇性和随机性,风电场大规模接入电网会对电网带来较大的冲击,影响电网运行的可靠性、稳定性和电能质量。因此,在电网薄弱或远离负荷中心的地区,风电场出现限电或者停发的情况。为实现风电场的实时在线调度,以便电网可以安全接入更多的风电场,国家能源局强制性要求所有风电场安装风电功率预测系统,为电力系统调度部门安排发电计划提供依据。在此背景下,本文选择风电功率预测技术作为主攻方向。早在上世纪七十年代,国外就开展了风电功率预测技术的研究工作,已有多个成熟的系统投入实际运行并发挥作用。我国起步较晚,在预测核心算法及对预测结果影响重大的NWP数值天气预报领域的成果与国外先进水平存在相当差距。为提高风电功率预测精度,本文对比了各种常见风电功率预测模型,对基于风电场实测数据的支持向量机风电功率预测模型做出改进。本文的主要研究内容如下：(1)介绍了风的成因及其特性,对预测结果产生较大影响的风速与风向的变化特性重点进行分析。对比了国内可获得的几种NWP的特点与技术参数,为风电功率预测模型的建模提供数据选择的参考方案。最终选定了某种精度较高的NWP数据作为建模的数据,并对数据进行前期的分析处理。(2)对各种风电功率预测模型进行深入的探讨,对常见的若干种建模方法进行比较。针对实际情况选用在小样本集及存在一定矛盾样本条件下表现最佳的SVM支持向量机作为预测建模算法。(3)详细分析了统计学习理论的核心问题,描述了SVM的工作原理及其在有限样本训练学习中的优势,选定了一种支持向量机结构,利用某风电场的实测数据,结合上一章的NWP数据,建立了一个基准预测模型。并提出了预测模型的评价标准。(4)根据风电场的实测功率数据及提取的NWP数据,基于风速和风向区间进行优化,并对预测模型进行验证。实验证明经过对数据的分析与优化之后,模型的预测精度得到了有效的提高。(5)基于上述研究工作,对风电功率预测系统进行算法改进,提高了预测系统的精度与准确率。