风力发电是目前世界上技术较成熟、成本较低并且发展迅速的可再生能源技术之一。如今我国已经成为全球第四个风力发电装机容量超过千万千瓦的风力发电大国。风力发电的影响越来越广泛，风电具有波动性、低能密度、间歇性的特点，造成风电输出功率也具有同样的特性，风电并网时，当并网风电在整个电网中占得比例不大时，风电的间隙性波动性对电网影响不大。随着风电场的规模越来越大，风力发电所所占得比例持续上升，当风电穿透功率超过8%时，会严重影响电力系统的安全、稳定运行和电能质量[1-3]。因此风电功率短期预测对合理安排调度计划、提高电力系统接纳风电的能力具有重要意义。据此，本文以内蒙古一风电场的实际数据为基础，对该风电场风速和风电功率进行短期预测研究，历史风电功率数据可视为典型的非平稳随机过程，本文首先运用时间序列模型对风速进行预测，运用差分法把非平稳时间序列转换为平稳时间序列，经过分析，建立了改进的ARMA模型，对风速进行短期预测。然后通过对风速风电功率最大李雅普诺夫指数计算，二者皆大于零，说明风速风电功率具有混沌特性，因此采用建立在相空间重构基础上径向基函数神经网络（RBF网）模型进行预测，为了提高预测精度，用一种新的改进方法（C-C法）对重构参数进行联合优化，对风速进行预测。考虑到任何一个模型都有自身的优缺点，为了分散预测风险，决定最后采用以预测误差平方和为最小的组合模型将前述两种模型组合，得到组合预测风速，结合该风电场实际风机功率出力曲线得出预测功率，也就是功率曲线转换法，由于风电功率具有混沌特性，本文又利用混沌RBF网络模型直接对风电功率进行预测，也就是直接预测法。对比预测结果，发现风速的预测精度高于风电功率的预测精度，说明风速规律性强于风电功率，同时直接预测法精度高于曲线转换法，因此，在基于混沌理论的风电功率预测时，建议采用直接预测法。