新能源发电,特别是风力发电近些年在我国迅猛发展,目前我国已是世界上风力发电装机容量及新增风机容量最多的国家。风电输出功率具有很强的不确定性,故与传统化石能源发电相比可控性偏低,无法像传统电源一样按照交易计划产出符合要求的电量。我国月度电量交易计划制定流程是将风能优先分配,剩余部分再分配给火电机组等。随着风力发电容量占比不断提高,若依然采用原有近似估计的方式制定风电月度电能交易计划,则不准确的风电月度电能交易计划可能会导致相应的火电月度电能交易计划难以实施,严重影响电网的安全稳定运行。在此背景下,如何有效且准确地进行月度风力发电量预测成为保证电力系统安全可靠性的关键。当前国内外风力发电量月度预测主要有两个难点,分别为数据量不足与天气预报信息不准确影响预测准确性。风电场普遍建场时间较短,且月度预测须将月发电量整体作为一个数据量,导致预测所需数据不足;风力发电量与天气信息具有直接关系,但由于月度预测时间尺度较长,天气预报信息准确性会逐渐降低,不能满足预测要求。本论文首先利用皮尔逊及多元线性回归分析法选取单日最高风速、最低风速及温度作为预测的特征量,针对历史数据不足导致误差较大的问题,根据风力所具有较强的季节特性和短时平滑变化特性,提出了风电月度发电量数据集扩展技术,主要分为历史数据进行补充和预测月数据扩充两部分,为后期的预测提供充足的数据支撑;针对月度风力发电量预测面临天气信息不确定性强的问题,利用扩充后的历史数据提出了基于单元匹配、数据扩充、时间序列三种预测算法的熵权组合综合预测方法;提出了计及检修的数据修正方式,以提高预测精度。算例仿真数据分析表明:所提数据补充于扩充方法均可行和有效;综合预测方法不仅准确性,而且可避免由于某一预测方法单月预测误差较大而影响整体的预测结果计入检修数据可有效地提高整体预测的准确性和稳定性。