随着社会和经济的快速发展,传统的化石燃料等不可再生资源越来越短缺,寻找可替代的清洁能源成了可持续发展的重要前提。其中,风电作为资源丰富的清洁能源,得到了广泛关注,但是风的波动性和强随机性增加了风电开发利用的难度。如果可以准确对风电功率进行预测,则可以有效降低风电资源开发利用的难度,从而在风电并网时大幅度降低经济成本。为了建立有效的风电功率预测模型,本文在风电功率预测过程的不同阶段分别运用提升小波分解(LWT)、支持向量机(SVM)和误差预测(EF)的预测方法。该方法通过LWT分解原始功率数据,可以去除风电原始功率数据中的明显噪声,得到了风电功率部分变化特征,弱化了风电的不确定性;预测过程则采用SVM方法对分解信号进行训练预测,保证了预测精度和速度;为了减少较大误差点的出现,在初步预测之后增加误差预测环节来校正预测结果,可以进一步有效减小预测误差,提高预测结果的稳定性和准确性。将建立的提升小波-支持向量机-误差预测(LWT-SVM-EF)的风电功率预测模型运用于内蒙古某风电场,仿真结果进一步验证了该方法对风电功率预测的适用性。为了进一步优化LWT-SVM-EF的预测方法,采用最小二乘支持向量机(LSSVM)方法对LWT分解得到的信号进行训练和预测,建立了基于提升小波-最小二乘支持向量机-误差预测(LWT-LSSVM-EF)的风电功率预测模型。与传统SVM的二次规划方法不同,LSSVM方法采用最小二乘线性系统作为损失函数,降低了预测误差,优化了预测结果,也简化了计算的复杂性。仿真结果表明,LWT-LSSVM-EF方法的预测结果优于LWT-SVM-EF的预测结果,应用于风电功率预测时可以取得理想的预测效果。最后,基于上述两种有效的预测算法,借助MATLAB的GUI平台开发风电功率预测软件。该软件界面设计合理,操作简单,功能齐全,整合了多种预测方法。