中国风力发电逐步进入高速发展阶段,由于风电的随机性和间歇性,给电力系统的安全稳定性造成了严峻的挑战,对风电的进一步发展造成了不利的影响,因此风电功率预测系统就成为我国风电场发展不可或缺的一部分。目前我国还没有成熟的风电功率预测系统。在此背景下,本论文选择内蒙古一个实际风电场为研究对象,重点研究了BP神经网络及其改进型、灰色神经网络、小波神经网络、广义回归神经网络、支持向量机SVM等多种智能神经网络在风电场短期功率预测中的应用,并提出了一种可变权综合预测模型以提高预测的精度和鲁棒性。主要的研究内容包括以下几个方面：研究了BP神经网络应用于风电功率预测的优缺点,提出了粒子群优化算法和自适应模拟退火算法来优化BP神经网络的权值和阀值初值。研究结果表明,优化后的神经网络在预测精度上有较大的提升。在BP神经网络的风电功率预测的研究过程中,我们还发现在训练数据样本较少的情况下,存在神经网络的学习不完善的问题。但在神经网络的学习样本过多的情况下,存在导致神经网络结构复杂的问题,最终预测结果都不是太好。所以本文按照扇区筛选训练样本,来分别训练神经网络,并采用多扇区神经网络模型进行预测。研究了灰色神经网络、小波神经网络和广义回归神经网络等几种扩展智能神经网络在风电功率预测中的应用。这几种模型与BP神经网络模型都有着明显区别。文中比较了这几种方法与BP神经网络及其改进型的结果,分析了它们各自的特点。为提高预测系统的鲁棒性和精度,我们建立了基于可变权原理的综合模型,研究结果表明,可变权模型能有效的提高预测系统的鲁棒性和预测精度。在我们掌握了风电功率预测领域的方法和理论之后,建立风电功率预测模型,对内蒙古的风电功率进行预测,软件不仅简单易用、还方便用户操作、人机界面友好充分满足了电力部门对预测精度的要求,具有相当的适用性,能完成一般短期风电预测软件的基本功能。