随着一次能源枯竭和化石能源环境污染双重压力下,风力发电得到了世界各国的认同,是目前可再生能源利用中技术最为成熟、最适合大规模开发的一种发电方式。然而,风力发电出力的随机波动性和不确定性,给电力系统的调度部门带来了一定的困难,致使近年来风力发电的弃风率高居不下。风电场短期风功率预测是解决目前风电弃风的有效途径,针对风功率预测已开展过大量的研究工作,但风功率的预测精度仍没有得到很好的解约,基于此,本文提出研究风电场短期风功率预测,主要研究工作如下:首先,针对风速和风向是影响风功率预测的两个关键因素,从风速和风向的日变化和年变化与风电场输出功率间的数据出发,量化风速风向与输出功率的关系。建立了四分量风速模型,分别从基本风速、阵风、渐变风速、与噪声风速,通过风向的16个方位进行研究,以提高预测的精度。其次,针对BP神经网络的回归效果好、RBF算法可以聚合出一个好的预测模型、时间序列模型的平稳性和简约性以及SVM算法样本数据学习的优势,提出采用BP算法、RBF算法、时间序列模型和SVM算法分别进行风功率预测。建立BP算法、RBF算法、时间序列模型、SVM算法的风功率预测模型,采用绝对误差、均方误差、平均相对误差、均方根误差、相关误差五个性能指标验证上述四种预测方法的风功率预测精度。最后,结合实测数据进行仿真计算,预测结果表明,上述四种方法的预测精度均可满足实际工程的要求,其中SVM算法模型更能接近真实值,准确率更高。