风能随机波动性的特征,严重影响了风电场大规模并入电网后电网的稳定安全运行。因此,提高风能(风速,功率)短期的预测精度,对风电场的实时调度、减少弃风,维持接入了风电场电网的稳定运行具有重要意义。迄今为止,人们已对风能短期预测做了大量研究,但预测结果仍不很理想。本文针对现有方法的不足,综合小波理论、遗传算法、小生境算法、免疫算法、支持向量机等方法提出了一种基于改进遗传算法寻优的SVM风能短期预测方法。主要开展了如下的研究工作：1)针对风能数据序列具有随机性的特点,采用小波分析对风能(风速,功率)历史数据进行平稳化处理,以降低风能历史数据中的噪声信号。2)采用小生境算法与标准遗传算法结合的方式,改善标准遗传算法在算法运行中后期出现的未成熟收敛问题,并针对在小生境遗传算法运行过程中,小生境半径值固定不变的情况,借鉴自适应的思想,使得小生境半径值随着种群的更新而更新。3)在小生境遗传算法中引入疫苗因子的概念,通过疫苗因子引导小生境免疫遗传算法中初始种群的产生以减少寻优时间,提高寻优速度,并考虑了随着新数据样本的引入,参数寻优范围和疫苗因子的实时更新问题。4)在历史数据的平稳化处理和改进的遗传算法的基础上,建立了基于改进遗传算法寻优的SVM风能短期预测模型。为了验证本文提出的预测模型的有效性和通用性,以内蒙古某风场的风速数据样本和国内某风电场的功率数据样本为例,利用本文所提模型对样本分别进行风速、功率的短期预测,并与其他预测方法进行比较。结果表明本文提出的预测模型对风速和功率的短期预测具有较高的预测精度和寻优速度,方法具有良好的普适性和有效性。