近年来,随着能源危机、温室效应和环境污染的日益严重,清洁的可再生能源越来越受到人们的关注。风能作为一种清洁的可再生能源,已成为许多国家缓解能源危机、减轻环境污染的重点开发能源。风能主要是以风力发电的形式加以利用,但由于风能具有随机性、间歇性和不稳定性等特点,大量风电的接入将会对电网产生冲击,对电力系统安全稳定运行造成巨大的影响。因此,对风电功率进行准确预测,不仅可以提前制定相应的调度策略,而且可以保证电力系统安全稳定的运行。本文首先研究了风力发电机组的基本结构和控制技术,并分析了影响风电功率的主要因素,研究了风速、风向和环境温度的四季特性,在此基础上,提出一种基于分季建模的思路,并着重研究了六种短期风电功率单一预测模型,为风电功率单一预测模型库的建立奠定了基础。本文主要研究工作如下：(1)阐述了风电功率预测的研究背景及意义,并研究了风力发电机组的总体结构及控制技术,总结了目前风电功率预测模型的研究现状及常用的预测方法。(2)研究了风力发电机组的功率模型,并在此基础上分析了影响风电功率的主要因素；研究了风速、风向和环境温度的四季特性,采用数据对比法对短期风电功率的异常数据进行了识别,并利用最小二乘拟合曲线对异常数据进行了修正和修补。(3)深入研究了T-S模糊神经网络的建模理论,并采用椭圆基函数代替高斯函数对其进行改进,扩展其接收域；利用模糊C-均值聚类确定椭圆基函数的中心值；引入惯性项加快网络的收敛速度,建立了改进型T-S模糊神经网络预测模型,并分别对四季短期风电功率进行预测。仿真结果表明分季后改进型T-S模糊神经网络模型能够有效的提高风电功率的预测精度。(4)此外,还建立了五种单一风电功率预测模型,主要包括基于交叉验证算法优化平滑参数的广义回归神经网络模型、基于遗传算法优化Elman(?)经网络模型、支持向量机模型、多元线性回归模型和基于灰关联改进型持续法模型；并提出一种基于分季建模的思路,分别采用五种模型对四季短期风电功率进行预测。在MATLAB平台上进行仿真研究,结果表明,分季模型的预测精度不仅要优于全年的预测模型,而且降低了较大误差出现的频率,为风能有效的利用提供了有力的依据。(5)对六种单一预测模型进行了对比,总结了各模型的特点及适用范围。虽然可以较好的预测风电功率的变化趋势,但仍会出现一些预测误差较大的点。为了进一步提高预测精度,需要对风电功率进行融合预测。本文的研究为风电功率融合单一模型库的建立奠定了良好的基础。