风电作为技术成熟的清洁能源,得到广泛应用。然而,风电的间歇性和波动性给电网的运行带来了挑战。风电机组运行工况的多变性与复杂性,也影响了功率预测的精度。因此基于工况辨识的风电功率预测成为风电研究的重要方向。本文首先对风电功率进行确定性预测,再对风电机组的运行工况进行辨识,最后完成了风电功率的区间预测。具体内容分为以下几个方面:首先,针对EMD模态混叠和本征模态函数过多的问题,提出了基于MEEMD、排列熵和模糊树的风电功率确定性预测方法,相比其它方法提高了模型的精度,为后文区间预测做铺垫。其次,分析风电机组的运行特性,针对以实发功率进行工况辨识有效性差的问题,本文采用了基于SFCM的风电机组工况辨识方法。SFCM可以重复利用过渡工况中的样本数据,很好地解决了仅以实发功率进行工况辨识方法中某些工况样本数量少的问题,在覆盖率和平均带宽等评价指标上优于其它工况辨识的方法,提高了工况辨识的有效性。另外,对风电功率的区间预测展开研究,基于核密度估计法计算出风电机组各运行工况下确定性预测误差的概率密度曲线,并根据统计学计算出各运行工况的置信区间,以区间的形式给出结果,完成区间预测。最后,根据区间预测的结果,提出了基于区间预测结果对确定性预测模型的修正方法,从区间预测的角度对确定性预测模型进行进一步完善,根据各运行工况的偏差对确定性预测模型进行修正,提高了确定性预测模型的精度。