风能以其可再生、无污染的特性越来越受到人们的关注。但由于风速的波动性和随机性,风机出力很不稳定。随着风力发电在电网中所占的比重逐渐增加,其对电力系统的安全稳定运行一定会造成一些不利影响。风电并网及电力调度中,风速预测的准确性可以提供非常重要的参考,大大的消除风速波动对电网的影响。鉴于这些原因,对风电场风速进行预测研究是非常有意义的。本文针对风速数据的非线性特性,利用改进的Elman神经网络修正ARIMA模型预测结果的方法,运用时间序列与神经网络的组合模型对短期风速预测进行研究。先利用ARIMA模型对风速进行预测,其线性规律信息包含在时间序列预测结果中,非线性规律包含在预测误差中。再将ARIMA模型的预测误差及历史风速一阶差分序列作为改进的Elman神经网络输入变量,将ARIMA模型的风速预测误差作为输出变量。最后将ARIMA模型预测结果与Elman神经网络的误差预测结果叠加,得到最终修正后的预测风速。为证明方法的有效性,分别与单一ARIMA模型、ARIMA-BP神经网络组合模型进行对比,对实际历史风速数据进行仿真预测。经验证,利用改进Elman神经网络修正ARIMA模型预测误差,比单一ARIMA模型能够更好的减小预测滞后性,提高预测精度、减小预测误差；比ARIMA-BP神经网络组合模型训练速度提高了30%以上。通过以上对风速预测问题的研究,运用组合模型进行了较为深入的探讨,并进行了数据处理及仿真,可以发现ARIMA-Elman神经网络组合模型比单一模型有更大的优越性,为解决实际工程问题提供了一定的参考。