风资源作为一种天然能源,可谓取之不尽、用之不竭。既无需大量的开采和运输成本,又具有零污染的特点,是一种典型的可持续再生的廉价型清洁能源。但众所周知,风具有随机性和间歇性,它产生的可用电力供应量是未知的,当允许大量风电并网时将给电力系统带来严峻的挑战,风电功率预测在应对这些挑战中扮演着重要角色。如果可以对风电场的发电功率进行准确预测,电力调度部门就能够合理安排调度计划,保证电力供需平衡,有效地减轻并网风电场对电力系统的影响;降低电网旋转备用容量和发电成本。而目前对风电功率预测的研究主要集中在预测方法的改善上,但是无论是多么高明的预测方法都不能实现100%的准确预测。因此,本文以超短期风电功率预测为背景,从风电功率多采样间隔下的波动特性、多步滚动预测方法和风电功率时间序列可预测性的角度对风电功率预测进行了全面的研究。首先从多采样间隔的角度出发,对风电功率时间序列的波动特性进行了分析,提出波动标准差和信息熵指标,以此来衡量采样间隔变化后,损失的信息量;分析了多步滚动预测模式,并研究了信息熵与多步滚动预测误差之间的关系,发现两者间具有较强的正相关性;最后,给出了风电功率多步滚动预测模式下,选取最佳采样间隔的方法。其次对超短期风电功率多步滚动预测方法进行研究,提出了基于自适应神经模糊推理系统(ANFIS)的风电功率多步滚动预测模型。其中,在形成初始模糊推理系统结构时,采用的算法是减法聚类,该算法有效的避免了人工设定结构法产生的组合爆炸问题。将基于线性回归法、滑动平均法和持续法进行风电功率实时多步滚动预测时得到的预测结果与利用所提出的ANFIS预测方法得到的结果进行比较,结果表明后者的预测精度更高,说明了ANFIS预测模型的有效性。最后对风电功率时间序列的可预测性进行了研究,认为风电功率的预测精度不但和预测方法有关,还与风电功率自身的可预测程度有关。该部分阐述了评价风电功率可预测性的必要性;在相空间重构基础上,利用递归图和递归率对风电功率时间序列的可预测性分别进行了定性和定量的刻画,以表征风电功率波动新模态产生的机率;分析了不同空间尺度下递归率的变化规律,建立了分析风电功率时间序列可预测性与预测误差关系的方法,最后给出了利用递归率为风电场管理机构确定切实可行且公平的预测精度考核指标提供依据的方法。