风能发展潜力巨大，将会是未来能源结构的重要组成部分，但是风电的不确定性和随机性严重阻碍了风力发电技术的发展，而风电功率预测是解决这一难题的有效手段之一。准确的风电功率预测是电网稳定和安全运行的重要依据，对改善电网的供电质量，节约国家能源和降低发电企业的成本有重要意义。因此，提高风电功率预测的精度是首要任务。　　人工神经网络能够以任意精度逼近非线性函数，本文首先将人工神经网络作为预测方法，并详细介绍了其理论知识，建立了预测模型。但是风电功率波动大的特点使神经网络的学习和训练困难，预测精度不高。因此，本文在此基础上提出了基于提升小波和神经网络的短期风电功率预测模型。提升小波变换可以以任意尺度提取功率序列的任意细节，去除风电功率的噪声，提高其预测精度。最后利用某风电场的真实数据进行仿真研究，验证了上述方法的可行性和有效性。　　为了进一步提高风电功率预测的精度，本文提出了基于提升小波和支持向量机的短期风电功率预测模型。支持向量机具有很强的预测能力、收敛能力和全局最优等特点，能够提高小样本学习效率，进而提高风电功率预测的精度。仿真结果表明，该方法可以有效地去除风电功率的噪声，提高预测方法学习和训练的效果，很大程度地提高预测的精度。　　最后，基于上述方法，结合实际风电场的运用需要，在MATLAB平台上开发出一套风电功率预测软件系统。该系统操作高效，预测精度高，并集成了多种预测方法。运用实际风电场数据在现场运行，该系统在满足电网运行工作需要的情况下，能够以较高的预测精度保证风电场的高效安全运行。