风电本身的波动性给并网后的电力系统带来冲击,影响电力系统的安全平稳运行。风功率预测方法研究有助于实现风电场出力的可控调节,有利于电力系统调度人员及时调整调度计划,降低系统运行成本,是提高电力系统中风电比例的一种有效途径。本文首先运用BP神经网络对风速序列进行短时预测。考虑不同的隐含层神经元个数,对预测结果进行对比,得到了最优节点个数。然后利用Morlet小波函数作为隐含层激励函数,分别建立小波BP神经网络、小波Elman神经网络模型对风速进行了提前1h和3h预测,结果表明小波Elman神经网络预测模型预测效果更好。在上述两种神经网络学习过程中采用LM(Levenberg-Marquardt)算法和附加动量项法,有效提高了网络的收敛速度。本文利用小波在处理非平稳信号上的优点,建立了松散型与紧致型结合的小波神经网络模型对风功率进行短时预测。对不同小波分解层数的模型预测结果进行了分析对比,结果表明使用db4小波进行4层分解,所得预测误差最小。为了提高预测精度,本文在松散型与紧致型结合的小波神经网络模型的基础上,考虑引入影响功率的主要因素一风速,建立风功率短时预测模型。对考虑风速因素和仅采用历史功率数据的两种模型的预测效果进行了对比分析,结果表明考虑风速因素的预测模型的预测精度更高,验证了该方法的有效性。最后对全文进行了归纳总结,并对风功率预测方法的研究和发展方向进行了展望。