随着风力发电装机容量的不断增加,风力发电占所在电网的比例也在逐步增加。由于风速的间歇性和高度随机波动性,使得大容量的风电接入电网时会对电力供需平衡、电能质量以及电力系统的安全带来挑战[27]。怎样可靠准确地根据风力发电输出电量情况对电网的运行进行合理的调配是一个急待解决的问题。如果能对风电场产能进行短期的预报,将会使电力调度部门能够提前根据风电场出力情况的变化及时调整调度计划,从而使电力供需达到平衡,同时还能减少电力系统的备用容量、降低电力系统的运行成本[6,8]。本文介绍了时间序列法和神经网络法的基本原理以及在风电领域的应用。首先是通过时间序列法对数据序列进行数据预处理、模式识别、参数估计和模型检验,最终建立合适的预测模型,目的就是为了得到对预测值影响最大的几个量;其次,把时间序列法的结果运用到神经网络法,解决目前神经网络法输入变量不确定的问题;最后提出了动态神经网络,即在每次预测前用预测点前时段的数据来训练网络,以解决神经网络权值随时间的变化而逐渐变得不适用的问题。结果表明,通过时间序列与神经网络相结合的方法所建立的模型具有一定使用价值。本文的工作重点就是用时间序列结合神经网络法对风速及发电功率预测进行试验性研究,通过对风速预测和风力发电功率预测精度的对比,指出了因风速和发电功率自身规律性的不同,所导致他们的预测精度也存在一定差距。