中国的风电场大都是集中的大容量风电场,而且分布在负荷较少地区,风电的随机性和间歇性,给电力系统的安全稳定运行造成了严峻的挑战,不利于风电的进一步发展。选取内蒙古一个实际风电场为例,对风电场短缺功率预测的多种模型进行研究和改进,主要的工作包括以下几个方面：根据建立的风机之间的相关系数矩阵,对风机的数据进行预处理；利用神经网络确定对功率输出相关度最大的变量,确定预测目标。对每台风机分时段建立功率特性曲线是符合实际需要的。时间序列模型建模简单,具有较好的短期预测精度,是最常用的线性预测模型。神经网络模型能较好的应对序列的波动,具有理论丰富和高精度等特点,是常用的非线性模型。SVM收敛速度快,学习能力强,泛化能力好,即使风速距离变化时,也能有效的预测序列的变化趋势。小波分解组合模型能较好的应对非平稳时间序列,具有良好的预测精度。卡尔曼滤波组合模型几乎没有增加建模的计算量,而且没有提高所建时间序列模型的阶次,但卡尔曼滤波算法的预测精度却极大地提高。基于最大信息熵原理的组合模型,能有效的提高系统的鲁棒性和预测精度。