风电功率预测对维护电力系统稳定及制定电力调度计划等有着重要的意义,然而风电所具有的波动性、间歇性及不确定性会严重影响其预测的精度,针对此问题,提出一种基于非参数区间估计的风电功率预测方法。目前风电功率预测多侧重于点值功率曲线预测,但其预测精度差强人意,当预测误差较大时会严重影响电力系统运行安全。风电功率区间预测是从概率区间的角度进行预测,可以为相关电力人员提供概率性预测结果,预测结果更加真实有效。在风电功率点值预测方面,BP神经网络作为一种成熟的非线性预测方法,当已知数据参数的种类较多、数量较大时,可以得到精度较高的预测结果。在概率区间预测方面,相比于参数区间估计法需要事先假设概率分布的类型,非参数区间估计是一种对先验知识要求较低,可以仅用部分数据就能推断整体概率密度分布的方法,尤其适用于分布结果不对称或存在多峰情况下的估计。因此,在利用BP神经网络法完成点值功率曲线预测结果的基础上,结合非参数区间估计法可以得到反应预测误差真实分布情况且精度更高的功率区间预测结果。本文研究了影响风电功率预测精度的主要因素,并依据其影响因素对待测时刻完成了类群的划分。分析了现有的风电功率预测方法,选取BP神经网络完成了风电功率的点值预测,并针对其在收敛速度等方面的问题采用了粒子群算法进行了优化。对各类群分别进行误差统计分布研究,并提出了风电功率的非参数区间估计预测方法,进而利用该方法完成了各待测点的功率区间预测。通过大量实验分析,表明了该研究方法具有一定的有效性和精确性。