随着社会水平的不断提高，人们对能源的消耗不断增加，能源危机的矛盾越来越严峻。风能作为清洁、无污染的可再生能源，其优良的特性使其受到更多广泛的关注。因为自然风存在剧烈的不稳定性，导致风速及功率的预测难度较大，使得风电大规模并网后对电力系统的调度、稳定性造成严重影响。而对风电场短期风速及功率的准确预测是解决风电并网问题、降低对电力系统冲击以及提高系统安全性与经济性的有效途径。为此，本文对风电场短期风速及功率预测技术进行研究，主要研究内容如下：
　　（1）为了提高风电场短期风速预测精度，提出了一种短期风速组合预测模型。首先，采用自适应噪声的完整集成经验模态分解对原始风速时间序列进行分解，降低不同特征尺度序列间的相互影响；其次，为了减少计算规模，对分解得到的各个分量序列分别计算排列熵，将熵值相近的分量进行叠加形成新的序列；最后，采用BP神经网络作为基础预测模型，针对BP神经网络在初始化权值和阈值选取上存在随机性的问题，采用量子遗传算法对BP参数进行优化，分别对每个新的序列通过建立的模型进行预测并将预测结果进行叠加获得最终风速预测值。
　　（2）为了能进一步降低由于不确定性问题而引起风速点预测的误差，提出了一种短期风速区间预测模型。首先，采用局部均值分解对原始风速时间序列进行分解，将其分解为多个子序列以降低不同特征尺度序列间的相互影响；其次，为了提高计算的效率，分别计算分解后各分量序列的模糊熵，将复杂度相近的分量叠加得到新序列。最后，针对极限学习机在输入权值和隐含层偏置选取上存在随机性问题，采用混合灰狼算法对极限学习机参数进行优化，对每个新序列分别进行预测并将结果叠加。最终对叠加后预测值采用T分布进行区间估计得到预测区间，实现风速区间预测。
　　（3）考虑到采用拟合功率曲线的方法进行短期功率预测时，功率曲线建模的准确性是预测的关键环节。为此，提出一种基于果蝇优化算法的功率曲线模型。首先，为了能使拟合曲线反映风机真实性能，针对历史风速-功率数据中存在较多坏点问题，采用平滑函数对数据进行检测和选取，去除数据中含有的异常数据点；然后，针对剔除坏点后的数据分别采用拟合算法进行曲线拟合；最后，通过对几种建模方法的拟合效果进行对比，采用果蝇优化算法建立功率曲线模型并结合短期风速预测结果实现风电功率预测。