随着风电渗透率和清洁能源经济高效环保体系需求的不断提高,减少风电的弃风量,提升风电利用率成为风电研究的重要问题。因此,提高风电场的功率稳定性和改善风电场电能质量尤为重要。本文根据辽宁某风电场特性,对支持向量机方法的风电预测进行了研究。首先研究了机器学习理论的原理和统计学习理论中的相关概念,包括VC维和经验风险最小化。在大样本数据的情况下,通过学习输入和输出之间的映射关系,从样本的分类和回归问题两个方面对支持向量机进行了全面的阐述和研究。其次,研究了布谷鸟算法的搜索过程,通过加入自适应调整动态步长和模拟退火过程对布谷鸟算法进行了改进,提出利用改进布谷鸟算法对惩罚因子参数和核函数参数寻优的方法,在Matlab中分别利用网格法、布谷鸟算法和改进的布谷鸟算法三种算法对风电功率进行预测,并对预测结果进行分析。引入经验模态分解,对风电信号进行平稳化。阐述了经验模态分解的几个重要概念,包括瞬时频率、本征模态函数以及特征时间尺度。重点说明了经验模态分解的基本原理、流程、主要性质和存在的问题,然后根据存在的问题提出改进的方法,并将经验模态分解与改进布谷鸟算法的支持向量机相结合,建立了基于经验模态分解的改进布谷鸟算法支持向量机算法模型,并用风电场实际数据证明了该模型预测的准确性。