风速预测是风电场规划设计中的重要工作。在预测过程中必须建立合适的模型。风速序列本身已经具有时序性和自相关性,因此可用时间序列法建立预测模型。目前该模型已经被广泛应用。但时间序模型存在预测延时和预测精度不高的问题。为解决该问题,本文首先使用时间序列分析和卡尔曼滤波相结合的混合算法。这在一定程度上取得了良好的效果。但还不是很理想,为取得进一步的成效,许多学者仍在进行不懈的探讨和研究。本文通过分析插值滤波算法(DDF)的结构,提出了一种时间序列分析和插值滤波相结合的新型算法。通过对稷山实测风速信号进行预测实验,分别用时间序列法、时间序列与卡尔曼滤波混合算法、时间序列与插值滤波(DDF)混合算法进行预测实验仿真,并且对比分析这三种方法的预测结果,证明时间序列分析和插值滤波相结合的新型算法的优越性。实例分析表明,采用该混合算法比单一的时序预测以及由时间序列和卡尔曼滤波的混合预测都具有更高的预测精度,并在一定程度上改善了延时问题。首先根据时间序列分析理论,对我国稷山风速测试点实测数据进行建模,得到符合其变化规律的模型。通过分析,本文定为ARIMA(1,1,1)型,为检验时间序列分析模型的有效性,使用了信息准则AIC(An Information Criterion)函数。对预测结果分析说明其确实存在预测精度低和延时的问题。然后推导出其状态方程和观测方程,并分别根据卡尔曼滤波预测递推方程和插值滤波预测递推方程对风电场风速进行预测。最后为说明其实际可行性以及为搭建实验室风力发电系统平台,以TI公司DSP芯片TMS320F2812为主控制器,根据预测风速控制电机给出相应转速。通过实物仿真说明其实际意义。通过对上述仿真和实验的结果分析表明:基于时间序列法和插值滤波的新型混合算法在风速预测方面是可行的,在一定程度上提高了预测精度。同时分析了所存在问题以及产生问题的原因。