风能作为一种清洁低碳的可再生能源,在全国乃至世界范围内得到了广泛的应用,风速作为影响风能的主要因素,其波动性、非线性、不确定性和季节性等特性给风电并网带来了严峻的挑战,对风速进行准确预测是解决这一问题的关键。考虑到风速的复杂特性,本文建立了基于门控循环单元的点预测模型和基于非参数核密度估计的区间预测模型,实现了风速的有效预测,主要内容如下:（1）以内蒙古某风电场采集的实际风速数据作为研究对象,采用四分位法识别并剔除了风速数据集中的异常数据,并根据缺失数据的类别分别进行了插补;结合奇异谱分析和参数优化的变分模态分解算法分解重构了四个季节的风速序列,使其具有更为明显的特征,为建立风速预测模型奠定了基础。（2）针对预处理后的各风速序列,建立了基于门控循环单元的风速预测模型,实现了风速的多步滚动预测,实验结果表明:门控循环单元网络能够有效跟踪风速信号的变化趋势,对风速的不规则趋势具有很强的学习能力;对风速序列进行预处理和分解重构有利于降低风速时间序列的复杂性,有效提高预测效果;双向门控循环单元在获取信息和学习风速信号的变化趋势方面更具优势,同时验证了模型的季节适应性。（3）根据风速序列训练集的预测误差分布特征,提出了一种基于高斯核和最优窗宽的核密度估计的风速预测模型。结合误差累积分布函数,计算得出了不同置信度下的误差波动区间,实验结果表明:基于高斯核和最优窗宽的核密度估计的风速预测模型具有较高的拟合精度和季节适应性;在置信度处于90%左右时,区间宽度相对较窄,区间覆盖率相对较高,此时的预测区间最为合理。