传统化石能源的资源短缺和对生态环境造成的恶劣影响使得风电等新能源的利用成为世界各国共同关注的能源解决方案。风电固有的间歇性、随机性和波动性使得风电并网相较其他电源难度更高。准确的短期风电功率预测可以对未来一段时间内的波动情况进行描述,通过与其它电源的协调配合,减少电力系统备用容量,降低系统运行成本等,减轻风力发电对电网造成的不利影响。本文首先对国内外风电产业的发展情况和风电功率预测的研究现状进行了综述。在此基础上,确定本文的主要研究方向,即历史数据的预处理方案设计、短期风电功率确定性预测和不确定性预测研究。首先,在明确数据预处理对提高风电功率预测精度意义的基础上,讨论测风数据和实测功率数据的异常数据检验和缺失数据修补方案。对于测风数据,针对目前常用的异常测风数据检验方法较为粗略的问题,进行了指标设置的精细化处理,并补充了基于小波变换模的极大值进行奇异点检验的环节;对测风数据缺失情况进行分类,分析不同情况适用的修补方案。对于实测功率数据,考虑到相比于测风数据,功率数据的波动性和随机性更强等问题,设计了时序图与p-v散点图结合的异常功率数据检验方案,以及基于功率曲线和三次样条插值的联合缺失功率数据修补方案。经算例验证,以上方案在检验效果和修补效果上均有所提高。接着,设计了一种基于波动过程匹配技术的短期风电功率确定性预测方案。利用希尔伯特-黄变换对风电功率波动进行频谱分析,将各个固有模态分量重构成随机性强的高频分量和反映波动趋势的低频分量,并确定了分频预测方案。对低频分量进行波动过程识别并建立特征参数库,利用各类风速波动过程与风电功率波动过程的匹配关系进行预测和修正;对高频分量利用主成分分析法对风资源要素进行降维处理,选择合适的训练因子,利用经过遗传算法优化的BP神经网络得到高频预测结果,通过叠加得到确定性预测结果。经算例验证,该方法的均方根误差达到12.9%,较持续法、时间序列法和BP神经网络法等传统预测方法有明显改善。接着,为补充确定性预测无法提供的风电功率波动信息,进行了基于波动过程的不确定性预测,即区间预测。分析了不同波动过程和不同功率水平下预测误差在传统误差指标表现和误差概率密度分布上的差异,设计分类区间预测方案。分析误差分布多峰现象特别是极大误差出现的根本原因,设计波动过程分段区间预测方案。并针对直接预测方法缺少与当前风资源实际情况相结合的问题,尝试设计基于数值天气预报的单峰波动过程直接区间预测方案。经算例验证,较传统工程常用的区间预测方案,分类预测、分段预测和直接预测三种方法均能在保证相对区间平均宽度的基础上大幅提高合格率,保证区间预测的可靠性和经济性。最后,对课题研究结果进行总结分析,指出当前方法中有待优化的环节和下一步研究展望。