随着全球能源的消耗短缺，作为新能源的风能进入人们的视线，这种储备丰富、清洁环保的可再生资源越来越受到人们的重视。风力发电技术应运而生并逐渐走向成熟，风电发电功率的短期预测伴随着风电技术的提高而日益增进，提高预测精度是现今阶段面临的首要问题。本文将采用同步挤压小波变换（SST）和神经网络结合的方法对风电功率进行预测。我们借助于同步挤压小波变换对风电功率时间序列进行伸缩变换，实现其初步信号的去噪、锐化处理，提高信号时频曲线频率精度，有效地识别结构的瞬时频率。利用C-C法对功率信号进行相空间重构，估计时间序列的嵌入维数和时间延迟，利用小数据量法计算时间序列的最大Lyapunov指数，判定时间序列的混沌特性。分别引入径向基函数神经网络和回声状态神经网络两种风电功率预测模型，改进两种预测模型，并对相重构后的风电时间序列进行预测。实验显示：经过SST方法处理过的风电功率信号，结合两种神经网络预测模型，预测效果有很大地改善，预测精度极大地提高。这表明了这种同步挤压小波变换组合神经网络模型对风电功率预测的方法有很强的的可实施性，更加丰富了短期风电预测理论。