随着风力发电对电网的影响越来越大,准确预测风电功率对电力系统的经济稳定运行有着重要意义。本文提出了一种基于风速分解的短期功率预测方法。本文的主要研究内容和成果如下:(1)提出了一种改进CEEMD分解的方法对风速进行分解。在分解风速之前对数据进行关联度匹配加镜像延拓的处理,避免直接进行CEEMD分解时出现的端点飞翼现象。利用实际数据进行仿真,结果表明,改进CEEMD分解能够在不添加过多白噪声的情况下避免端点飞翼现象,分解结果的虚假分量较少。(2)提出了一种改进CS-ELM的风速预测模型对风速进行预测。通过改进的CS算法优化ELM模型的初始参数,提高ELM模型的预测精度。利用实际数据进行仿真,结果表明,改进CS-ELM模型预测风速的方法比标准的ELM模型有更高的预测精度,并且结合改进CEEMD分解算法可以得到更好的预测效果。(3)提出了一种改进FA-LSSVM的风速风功率映射模型。通过改进FA算法优化LSSVM模型的内部参数,提高LSSVM模型的映射精度。利用K均值聚类算法分类训练数据和预测数据,对不同种类的数据分别建立映射模型预测功率数据。利用实际数据进行仿真,结果表明,改进FA算法和K均值聚类都可以提高映射模型的预测精度。结合改进CS-ELM模型和改进FA-LSSVM模型得到最终的间接功率预测模型,通过仿真验证,间接功率预测模型有较高的预测精度。