随着风力发电的快速发展,风电场并网容量不断递增。近几年来,大型风电场建设已基本完成,为增加新能源发电装机容量,我国开始挖掘分散式风电场的资源,大力发展分散式风电场。但由于风速的波动性和不确定性,风力发电产生的风功率大小也具有不确定性,对电网的扰动也越来越大。当前,许多分散式风电场并没有风功率短期预测设备,给当地调度和自身发展带来诸多难题。因此分散式风电场的风功率短期预测势在必行,准确的风功率预测为风电场竞价上网提供了可靠保证,对调度自动化实现和现场指导具有深远意义。当前,风功率的预测方法主要有时间序列法、BP神经网络法和支持向量机。但是,时间序列法存在定阶困难的问题,BP神经网络存在权值选择问题,支持向量机存在参数设置的问题。本文针对不同风电场的现实状况和预测需求,利用改进人工蜂群结合三种不同方法对上述风电场经网络法对0-4小时以内的风功率进行预测,结果发现,该方法适用于历史数据比较充裕,对预测精度要求比较高的场合。最后,针对BP神经网络需要数据量大、容易陷入局部最优和学习速度慢等问题,将改进人工蜂群的支持向量机法应用到风功率预测中来；该算法需求的数据样本少,预测准确度较高,避免了其它一些学习算法的复杂学习过程。事实证明,该算法适合于数据样本少、预测准确度要求比较高的场合。为了满足国家电网对分散式风电并网和风电场自身发展要求,本文还开发了一种分散式风电风功率预测软件。该软件基于VB.net语言,在处理复杂计算过程时,主要依赖于MATLAB的动态链接库文件；该软件可以基于实时数值天气预报和历史风资源数据,实现未来一段时间内的风功率预测功能,另外该软件还可以根据调度提供的数据进行实时监控预警功能。最后,利用该软件对本提到的各种算法进行验证比较,结果分析了上述各个算法的适用性和不可替代性。