全球化石资源短缺以及环境严重污染,使得全球可再生能源的发展越来越快,全球风电机组装机容量也极快地上升,我国风力发电的年均装机容量已处于全球第一。但是风速呈现极强的随机波动性,导致风电机组的输出功率无法稳定输出。当风电机组大规模并网时,风力发电将会严重干扰并入电网的稳定运行,这个问题严重影响了风力发电的发展。风电功率的短期预测可以有效实现风电场出力的调控,降低了风电场出力对电力系统的干扰程度。本文基于此,提出了PSO-BP神经网络算法的风电场短期风电功率预测模型。本文首先介绍了东团堡风电场的建设情况与风机型号,并对风电场所在地——涞源县的风力资源分布情况进行分析。基于月均风速的大小分布可以得出夏季的风速明显低于其他时候的风速。然后,结合BP神经网络理论与粒子群算法,本文给出了风电场短期风电功率预测模型。采用粒子群算法对神经网络的权值以及域值进行优化,有效解决了神经网络初始权值与域值的选取问题,给出了粒子群算法与BP神经网络结合的风电功率短期预测的基本流程。最后,本文基于PSO-BP神经网络算法对东团堡风电场中单台风电机组的风电功率进行预测分析。采用双参数韦布尔分布对春夏秋冬四个季节风速的概率分布进行分析,四个季节下风速的概率分布均存在较大的差别。因此,本文分别对该风电场的四个季节进行风电功率预测,基于均方根误差指标定量分析了风电功率预测精度,其中夏季、秋季以及冬季的风电功率预测值的精度均较高,说明了本文所提出的PSO-BP神经网络算法在实际风电功率预测中能取得较好的效果。