近几年来，我国风电产业发展迅速，为提高风电竞争力，减小风电功率随机性对电阻带来的影响，高精度的风电功率预测就必不可少。在一个风电场而言，高精度的超短期风电功率预测是优化风机的电能质量，安排检修的重要手段。对于电网来说，减少备用旋转容量，减小由风电并网的带来的可靠性问题，超短期风电功率预测显得十分重要。　　本文采用一种基于相关向量机的风功率预测模型对风电功率进行超短期预测。对模型中核函数类型与参数不同对预测的影响进行了研究，并对核函数参数选取采用粒子群算法(Particle Swarm Optimization，PSO)和帝国竞争算法(Imperialist Cormpetitive Algorithm),进行优化。对于PSO算法涉及的种群规模、加速系数、惯性权重的不同选取策略对优化结果影响进行了仿真分析；对于帝国竞争算法中最大迭代次数、初始国家与帝国数等参数进行设计。　　针对风电功率与风速的非线性与非平稳性，将经验模态分解和集合经验模态分解应用于预测中，将风速与风电功率分解为若干个分量，在不同分量上进行预测然后将所有分量上的预测结果求和得到最终的预测值。分解之后，分量上的风电功率与风速规律性更明显，波动主要集中在高频分量上，从而使得预测精度会更高。　　实例仿真结果表明，该方法快速，易于实现，是风电功率超短期预测的一个有效方法。