经济的发展会不断推动社会的发展,而任何资源使用都应当适度适量,过度的索取会造成能源短缺的严重问题,同时对环境也会造成进一步的破坏。因此需要利用可再生能源进行探究与挖掘从而实现经济效益最大化。风能是清洁能源的一种,具有可再生的优势,同时风能的出现使得风力发电技术这项产业日趋走向成熟,然而风速受多种因素影响常伴随着随机性和不平稳性,从而给风电接入电网造成了相当大的困难,对电力系统的安全和维护造成了巨大的影响,因此准确的预测风速变化对风力发电有着极大的研究意义。本文对风速预测模型的提出做了如下研究:（1）风速时间序列分解模型的比较。在时间序列中蕴含着不同频率的分量,通过采用某种方法将时间序列进行分解是非常有必要的。本文引入一组含有周期震荡的复合信号并采用经验模态分解法（EMD）和变分模态分解法（VMD）同时对此进行分解,通过这段复合信号对比可以看出采用变分模态分解可有效解决经验模态分解的端点效应问题,减小了预测模型的误差,因此本文最终采用VMD算法作为时间序列分解方法。（2）采用变分模态分解法对原始的风速时间序列进行预处理。考虑到因风速时间序列本身受多种因素影响而导致强随机性使得直接预测精度不高的情况,本文首先通过VMD算法对历史的风速数据做分解处理,从而得到各个不同频率段的信号分量,为下面各分量预测模型的建立做出铺垫。（3）根据VMD分解后不同频率的分量特性,选用合适的模型来预测风速。回声状态网络（ESN）因其自身所独有的储备池结构,增加了网络的记忆能力,同时提高了网络的训练效率和拟合精度,用鲸鱼算法优化ESN模型中的参数并且和单一的ESN模型相比较得出组合后的模型在预测精度上有了很大的提高。（4）将变分模态分解法与鲸鱼算法优化回声状态网络模型相结合,提出一种基于VMD-ESN-WOA的组合预测模型。通过VMD算法将风速序列分解成多个分量以减少风速内部信号耦合性,然后作为输入分别建立ESN预测模型。随后将分解后的各个分量通过鲸鱼算法对ESN模型中的参数进行优化并预测,结果由分解后各分量预测值相加得到,并将预测结果与其他组合预测模型对比,验证本文提出预测模型的精确性。