风能,作为一种无污染,可再生的资源的能源,越来越受到各国的青睐。但由于风能的间歇性,风能入网将对电力系统的可靠性、稳定性产生重大的影响,这种影响在风力发电普及率较高的地区显得尤为明显。因此准确的风能的预测就显得极其重要。在风能的预测中,风速是重要参数之一。为提高风速预测的精度,本文提出了一种新的基于聚合经验模态分解和人工智能模型相结合的混合模型。为验证其有效性,应用该模型对中国甘肃地区三处风场的风速预测进行预测.研究结果表明,与其他传统模型和未使用聚合经验模态分解的人工智能预测方法相比,所提方法能够在风速预测方面取得更优的预测结果。对于电力系统,随着电力行业结构化改革,电价也变成所有市场参与者的重要信号并且成为电力市场各种商业活动的焦点。由于电价的波动性,非平稳性等,现有单一模型难以获得满意的预测精度,本文提出基于聚合经验模态分解方法,季节调整和ARMA相结合的模型以期获得更好的预测表现.结果表明,相对于其他传统模型和未使用聚合经验模态分解的预测方法,所提方法能够在电价预测方面取得更优的预测结果。