风力发电是未来能源发展的趋势之一,但风力发电功率的波动性,给电网安全运行带来困难。准确的风电功率预测是缓解电网调峰调频压力、提高电网稳定性的有力措施,同时,为了满足风电机组的监测和控制的需要,并且提供电能质量评估的依据,研究超短期风电功率预测成为必然。所以,研究出准确预测超短期风电功率及其变化趋势的预测方法具有重要的工程意义。论文首先介绍了风电功率预测的基本概念与技术要求,并分析风电机组输出功率特性曲线。其次,就超短期风电功率预测问题,引入支持向量机的基本方法,重点研究预测建模过程中输入变量、参数选择的两个问题。另外一方面,利用传统的交叉验证和网格搜索方法来寻优选择支持向量机中参数值。然后,采用量子粒子群智能算法来进一步优化选择支持向量机的合适参数,从而形成基于支持向量机的超短期风电功率预测算法。最后,对所研究的风电功率预测方法进行了大量测试,结果表明,当预测尺度为1.5h以内时,采用交叉验证和网格搜索就可以达到比较理想的精度;当预测尺度为4h时,用量子粒子群优化支持向量机参数的方法更优,达到《风电功率预测功能规范》的精度要求,本文尝试将经验模态分解算法加入到量子粒子群优化的支持向量机超短期风电功率预测模型中,虽然分解后精度提高,但需要根据分解后分量的个数利用样本熵熵值手动合成新的子序列,大大增加了工作量,是否利于超短期风电功率预测实际工程的计算,值得进一步研究。同时,本文的研究工作为风电功率预测软件的研发奠定了方法基础,并且设计了预测核心算法。