近年来,传统的石油、煤炭等不可再生能源消耗不断加剧,其带来的环境污染问题日益凸显,由于,风力发电作为绿色无污染可再生能源,取之不尽,用之不竭,已成为新型能量研究领域的一个热点。提高风能等可再生能源并网容量是大势所趋,然而风能的固有属性(随机性、间歇性及波动性),使风力发电具有很大的不确定性,这对电力系统来说是一个巨大的挑战。国内外对风电功率预测及其不确定性方面进行了大量的研究,研究表明基于不同算法的预测模型对原始数据具有不同的体现,若能组合在一起则能够更加准确的对风电机组的输出功率进行预测。本文将利用最大熵对BP、小波及相关向量机RVM建立短期功率组合预测模型,研究风电功率短期预测;利用云模型对风电功率预测的不确定性进行分析。主要研究内容如下:1、风能是风力发电的基础,风速不同对应风电机组输出功率也不同,基于此本文首先研究了风力发电的原理及功率曲线的特性,同时分析了风力发电的影响因素以及风力发电的分类,为风电功率预测奠定了理论基础。2、随着风力发电并网容量不断增加,风电功率预测的精度和范围对高比例可再生能源的电力系统的稳定运行至关重要。基于此本文提出了以单一预测模型为基础的组合预测模型,深入分析了BP、小波和相关向量机RVM预测模型的运行原理及特点,将BP、小波和相关向量机RVM通过信息融合策略构成一个整体的组合预测模型,分别用单一预测模型及组合预测模型对风电功率进行预测。3、风力发电的不确定性主要因素是风速具有很强的随机性,其次,在风电转换过程中也会由于风机发生故障等原因而引起的不确定性。综合以上因素,若对任一种因素的不确定性进行单方面研究,具有片面性。因此,可以从历史数据中提取风速的不确定特征,具有全面性。目前,普遍认为风电的不确定性不宜用高斯分布来描述,基于此本文引进了高斯云分布对风电的不确定性进行描述。4、基于云模型对风电功率预测的不确定性进行研究,在此基础上分析了未来两天的风电功率预测的不确定性,同时分析其在90%置信水平下的置信区间,最后利用不确定性评价体系进行评价。