近年来,全球能源危机问题日益严重、生态环境加剧恶化,使得人们将眼光投向调整能源结构,寻求清洁、绿色、可无限使用的可替代能源。风能作为太阳能的一种转化形式,因其具有安全、无污染、可再生、环保效益和生态效益友好等优点,成为当前最具发展潜力、利用最为广泛的绿色能源。风力发电是全球利用风能最主要的方式,风速的随机波动性使得风电并网容量超过一定比例对电网造成严重影响。因此,提前对风速进行预测,从而预知风速的变化情况,准确把握风机出力,对缓解风电并网带来的不利影响具有重要意义。本文分析了风速分布特性、变化特性以及风速与其影响因素之间的关系;为提高风速预测精度,从误差修正角度出发,提出了基于马尔科夫链神经网络风速预测的误差修正方法;针对单一评价指标评价风速预测模型预测性能存在的缺陷,提出了基于模糊模式识别的综合评价方法,为风速预测决策者优选模型提供参考依据。本文主要研究内容如下:(1)阐述了风速预测的研究背景及意义,概述了目前我国和国外发达国家风电产业的发展现状,介绍了现有风速预测方法及其优缺点,分析了模型评价方法的的重要性以及当前评价方法和风速预测存在的主要问题。(2)以山西省某风电场现场测风数据为对象,分析了该风电场风速的分布特性,季、月、日变化特性;研究了风速与历史温度、湿度、气压、风速之间的月变化关系,给出了确定风速影响因素的依据;总结了目前引起风速预测误差的来源。(3)从误差修正提高风速预测精度的角度考虑,提出了基于马尔科夫链神经网络风速预测的误差修正方法。首先,采用模糊C-均值聚类算法解决马尔科夫链的状态划分问题;其次,给出了详细的误差修正步骤;最后,利用该方法分别对十折交叉验证优化的广义回归神经网络、遗传算法优化的Elman神经网络和改进的T-S模糊神经网络模型进行误差修正。通过对比修正前后三种模型对时间尺度为15min、30min、60min风速预测效果证明了基于马尔科夫链误差修正方法能够有效提高神经网络风速预测模型的预测精度,改善模型的预测性能。(4)针对目前单一评价指标评价风速预测模型存在不合理、片面的问题,提出一种基于模糊模式识别的综合评价方法。在课题组建立的风速预测性能评价指标体系的基础上,采用二元对比法确定各个评价指标主观权重,采用离差最大化法计算其客观权重;在综合主、客观权重的基础上,以MATLAB为仿真平台,利用模糊模式识别方法对课题组建立的风速预测模型库中的模型进行评价优选。仿真实验表明,基于模糊模式识别的综合评价方法评价风速预测模型预测性能有一定合理性和有效性,为风速预测性能评价提供了一种可行方案。