能源和环境问题是当今人类生存和发展所要解决的紧迫问题，风电作为一种可再生的清洁能源为解决该问题提供了一种选择。但风电出力具有间歇性和随机性，大量风力发电接入电网，会对电力系统的电能质量和安全、稳定运行带来不良影响。风电场风速和功率的短期预测是解决该问题的有效途径之一。本文选择风电场风速和风电功率短期预测方法进行研究，主要研究工作如下：①在对反向传播神经网络、径向基神经网络和支持向量机三种单一预测方法的仿真计算的基础上，提出一种基于广义回归神经网络的短期风速非线性组合预测模型。仿真算例表明，将三种单一预测方法的预测结果用广义回归神经网络进行非线性组合，其预测精度不仅高于单一预测方法的预测精度，而且也高于等权平均法和协方差优选等线性组合法。②针对原始风速时间序列具有很强的非线性和非平稳性的特点，运用经验模式分解理论处理非平稳信号的优势，提出一种基于经验模式分解与神经网络相结合的短期风速预测模型。该模型首先运用经验模式分解法对风速时间序列进行预处理，然后根据各个分量的变化特点分别建立合适的预测模型，对高频分量采用基于广义回归神经网络的非线性组合预测法进行预测，对低频分量采用径向基神经网络模型进行预测。最后将各分量的预测值叠加得到最终预测值。通过仿真计算验证了所提方法能明显提高预测的精度。③基于经验模式分解与神经网络相结合的短期风速预测模型的风速预测结果，从整个风电场角度出发，讨论了风电场处于不同地形情况下计及尾流效应和不同风向时对风电场输出功率的影响，推导了风电场功率预测在各种情况下的计算表达式，并用实际算例验证了其正确性。