随着国内风电产业的飞速发展，风电单机容量不断增加，并网型风电场在电网中的所占比例也越来越大。而风力发电的波动性和不确定性增加了电网规划和调度的难度。但如果能够对风电场出力进行准确的预报，就有助于电力调度部门及时调整调度计划，使电力供需达到平衡，同时还能减少系统备用容量，降低运行成本。　　 风电功率预测算法是风电场功率预测的核心部分。本文在研究非经典计量经济学算法的基础上建立了基于非经典计量经济学模型的风电功率短期预测模型。非经典计量经济学是计量经济学发展的新阶段，其主要的学术理论为ARCH族模型和协整理论。在研究遗传算法和BP神经网络算法的各自特点的基础上，建立了遗传神经网络模型。本文采用ARCH族模型和遗传神经网络模型研究了风电功率的短期预测。本文的主要工作如下：　　 (1)分析了国内外风电发展的现状，讨论了国内外风电功率短期预测的各种算法。　　 (2)对博克斯-詹金斯(Box-Jenkins)方法论作了较为详细的论述，给出具体步骤的程序框图。　　 (3)对非经典计量经济学中的条件异方差模型作了比较完整的论述。　　 (4)选择最能反映风电功率特性的训练样本数据，并处理不良数据，为得到理想的模型精度打下基础。选取中国沿海某风电场夏季八月份的数据，采样时间分别为15min和60min的两个数据样本。　　 (5)分析了风电功率时间序列的ARCH效应和厚尾现象，建立了ARMA模型、ARMA-GARCH模型、ARMA-GARCH-GED模型，并利用三个模型对风电功率时间进行了实证研究。　　 (6)结合遗传算法和BP神经网络算法的各自特点，建立遗传神经网络模型并对风电功率进行短期预测。　　 (7)分析比较预测结果。论证了非经典计量经济学模型利用于风电功率短期预测的可行性。