风电作为一种清洁、无污染的新型能源受到世界各国的普遍重视，发展迅速，近年来风电并网容量日益增加。这对于减少化石能源消耗和排放污染意义重大，但是风电出力的不确定性和波动性也因此成为影响电力系统安全稳定和经济高效运行的重要因素。为应对风电出力的不确定性和波动性对电网运行的影响，必须准确预测风电功率，而准确的风速预测则是准确预测风电功率的基础和前提。本文针对风速序列的非平稳性、非线性和波动性特点，系统地研究了历史风速序列的预处理方法。利用小波变换作为时频局部化和多分辨特性分析的工具，对风速信息成分进行逐渐精细的时域与频域处理，达到了平滑原始风速时间序列以及有效地挖掘历史风速数据特性的目的，得到了表征风速序列内在特性不同频段上的概貌风速与细节风速。提出了一种将自回归滑动平均模型与自回归异方差以及一般自回归异方差模型相结合的短期风速预测方法。首先根据各子序列的不同特点，分别建立相应的自回归滑动平均主模型。由于传统的自回归滑动平均模型（Auto Regressive andMoving Average Model，ARMA）一般只是注重于关注时间序列的一阶矩，很少顾及时间序列的二阶矩，从而未对残差序列作进一步分析研究，存在着异方差的隐患，本文通过对风速序列主模型的残差序列进行自相关的拉格朗日乘数检验（LM检验），检验各子序列是否存在未被利用的有用信息；对于异方差检验显著的子序列，采用自回归异方差模型和一般自回归异方差模型进行改进——分别建立与各子序列相匹配的风速预测综合模型ARMA-ARCH和ARMA-GARCH，其余子序列采用ARMA模型。通过对实测风速序列的未来1小时平均风速预测实例检验，验证了本文所提出的预测方法能够更好地拟合风速变化规律，有效地提高了预测精度。