风力发电由于其环保、安全、取之不尽用之不竭的优点现已成为世界各国可再生能源中的研究热点。但是风具有间歇性和波动性大的特点，如何减少大容量风电接入电网对电力系统安全、电能质量和电力供需平衡的影响成为风力发电发展的一个难题，由此，风速短期预测的研究应运而生。风电功率和风速的三次方成正比，所以风速的变化情况决定了风电场可能的出力情况。因此，有效的风速短期预测可以为电网调度提供依据，使电力系统安全稳定高效运行。由于风具有随机性，传统机械式风速仪实时测量得到的数据往往偏差较大；现有风速仪都是测量水平方向的风速，对风速湍流测量的三维风速仪的研究很少。当垂直方向风速分量对风速影响较大时，采用二维风速数据进行风速短期预测，必然带来较大误差而影响预测结果。本文设计了基于超声波时差法的三维风速仪，系统不存在机械损耗，而且测量精度高，为风速短期预测提供实时的三维数据。基于超声波时差法测量风速原理，进行了测量风速的三维超声波阵列排布设计。以高精度时差测量芯片TDC-GP21和STC单片机为核心，详细分析设计了三维超声波风速仪的各部分硬件电路组成及作用，并给出了核心部分的软件流程图，最后分析了测量误差及校准方法。为了提高风速短期预测的精度，本文提出采用支持向量回归机和粒子群优化算法相结合的风速短期预测方法。基于支持向量回归机和粒子群优化算法原理，讨论了支持向量回归机中两个参数C、g对预测结果的影响，利用LIBSVM工具箱建立了相应的预测模型，对比分析了CV法和PSO法优化SVR两个参数的寻优结果，表明PSO-SVR法更适合于风速短期预测。最后，将风杯式二维风速仪与本文设计的三维风速仪同时采集的风电场风速数据，分别采用PSO-SVR法和CV-SVR法进行3小时的风速短期预测计算，并对比分析。结果表明三维数据预测结果优于二维数据，且PSO-SVR法预测结果优于CV-SVR法。