风能具有随机性和不稳定性,不利于风电的大规模并网,降低风电竞价上网的优势。为了提高风电并网的稳定性,提高风电并入电网的规模,降低风电运行的成本,必须提高风速和风功率的预测精度。本文采用了间接预测法,即采用基于总体平均经验模态分解法的神经网络组合方法对风速进行预测,并在相对应的风速-功率曲线的基础上进行功率预测。首先,风速的变化具有季节特性,分季节分析了风能的变化特性和分布特性。风速的变化特性包括日变化特性和月变化特性,不同季节呈现出相对不同的日变化特性;建立风速的威布尔特性曲线,并分析在不同季节影响该分布的形状参数和尺度参数;此外简要分析了风向的分布特性,以及风速、风向和风功率的关系,确立风速作为功率预测的主要研究对象。其次,针对风速序列的不稳定性,提出了基于经验模式分解法的神经网络组合风速预测方法。针对经验模式分解法具有的端点效应和模态混叠现象,采用镜像延拓法对风速数据序列进行提前延拓,并采用全局经验模态对上述风速序列进行分解处理。将分解出的分量分别采用最小二乘支持向量机建立数据模型并预测,并比较最后的预测效果。针对风速分解完成的序列的不同的拟合特性,将复杂性、随机性高的本征分量1,单独采用LSSVM、RBF、GRNN分别预测,并采用GRNN网络对上述预测结果组合预测,其他分量的和作为另一分量采用LSSVM建模预测,上述预测结果加和得出最终的预测结果,比较预测效果。最后,在温度湿度的不同的条件下、不同的风电运行机组中,风功率曲线会产生一定的差异,因此建立不同季节、不同风机的风功率曲线,并在已有预测风速的基础上预测风功率。风功率预测精度满足风电上网的要求。