随着化石能源日渐枯竭,世界各国对清洁能源的需求和探索也越来越急切。由于风资源的易获得和可再生特性,研究风力发电对落实国家能源政策、节省化石能源消耗等方面具有重大意义。然而风力发电具有较强的随机性,一定程度的波动性以及间歇性等不稳定特征,容易给电网系统的安全稳定运行造成冲击。因此,为了保障电力系统的安全性、经济性,我们需要开展针对风电功率预测的进一步研究工作,针对现有的预测工作做出改进,提高预测模型的精确程度和可靠程度。本文针对风电功率的中期预测问题,基于研究领域内现有的相关工作,提出了一种基于Prophet算法改进的支持向量机（Support Vector Machines,SVM）风电出力功率中期预测模型,从而提高针对风电功率的中期预测精度和可靠程度。文章随后提出基于stacking集成策略的组合分位数回归模型,其将P-SVM和随机森林进行融合,结合分位数回归以及核密度估计方法,进一步提高预测精度的同时,获得可靠的分位数预测结果。文章开展的研究工作如下所示:首先,文章针对采集到的沿海某风电厂风电功率与气候数据进行数据分析与处理,并充分挖掘未来风能资源参量的特征,采用随机森林特征排序的方式针对多维特征实现有效性评估和筛选工作,为后续研究提供数据支撑。其次,针对以往研究中存在的对于未来气候变化特征考虑不充分,对数据特征的挖掘不足等问题,文章提出基于Prophet改进的P-SVM风电功率中期预测方法,并通过在不同场景下比较经改进方法与经典算法的预测精度,经由相关指标下的数据分析,验证新模型的有效性。最后,为进一步减小单一算法因预测性能有限所产生的预测误差以及解决电力系统运行中不确定信息缺失的问题,文章提出基于stacking策略的组合风电功率概率预测方法。所提方法在后续算例实验分析中与其他概率预测方法对比,经由相关指标下的数据分析,验证其优越性。