全球气候变暖、环境污染及能源短缺问题的存在,加快发展可再生能源已成为应对重重危机的必然抉择。风能是可再生能源中除水能以外最具有开发潜力和和竞争优势的能源,并且风力发电技术已逐渐趋于成熟、成本也接近常规能源。根据全球风能委员会统计,截止2017年中国在全球风电累计装机容量排名占据第一。然而,在我国风电产业经历一段时间的飞跃式发展之后,由于风电自身的随机性和波动性,会出现并网难、消纳难、调峰难以及风速过快导致效率低等一系列问题。基于以上现象,国家能源局已发布了相关文件,为解决风能并网困难和安全运行问题,必须建立风电功率预测预报系统。本文以新疆某风电场实测的风电功率数据为基础,主要进行风电功率短期预测研究方面的内容。首先介绍了风速的分布、风速的变化特性以及实测数据的预处理,阐述风速、风向及空气密度相关因素对风电功率的影响;其次基于风电场实时的测风数据,建立了风电功率间接预测模型和直接预测模型;最后利用提出的预测模型进行仿真实验得到预测结果,并依据相关指标检验风电功率预测模型的准确性。主要研究内容包括:1.提出了基于GM（1,1）模型背景值优化的风电功率间接预测方法,对实测风速进行预测,通过对模型进行仿真分析,结果表明新的预测模型对风速预测与实际风速吻合度良好,较传统灰色理论精度得到大幅度提高。2.基于风电功率的多个影响因素,提出了一种基于PCA-KICA和神经模糊组合的短期功率预测模型。将风速、风向、空气密度、压强等风电功率预测的主要影响因素作为输入变量,通过PCA-KICA组合法对其变量进行降维,并采用蝙蝠算法对该模型权值优化。接着根据区间预测的特性指标,使用自适应模糊函数的概念对预测区间上下限进行控制,利用风电场实测数据进行仿真分析,验证了该方法的实用性和有效性。3.根据预测误差相关指标,对本文提出的两种风电功率预测模型进行检验与评价,利用风电场实测数据进行预测并且对未来1-2天的预测效果评价,分析不同时效的预测效果,选取出较优的风电功率预测模型,为风电场运营以及电网调度提供依据。