化石燃料的燃烧,造成的不仅是化石燃料的逐年减少,其对大气环境的威胁也越来越大,人们探寻、开发、利用新能源也变得越来越迫切。风能作为一种资源丰富的清洁能源,其发展潜力巨大的,但对电网的稳定却有着很大的威胁。风电功率预测不仅能为风电场风机调度计划安排与维护提供参考,还有利于电力系统部门及时调整调度计划。风电场输出功率数据的完整性对于研究人员后续的分析工作具有重要的意义。论文分别从时间维度和空间维度入手,提出一种基于时空相关的功率缺失数据补齐模型。首先提出一种输出权重优化的极限学习机算法,对缺失点后的数据建立目标约束,综合考虑缺失数据段前、后的数据,进行时间层面的补齐;在空间层面上,将格兰杰因果检验运用在数据补齐模型中,找到空间上与功率缺失风机对应的因果风机,进行数据的补齐。最后运用多重插补法,将两组数据补齐结果进行组合。算例的分析中,就某风电场单机与多机的数据缺失情况进行补齐,与自适应神经模糊推理模型的补齐进行结果比较,补齐效果有明显的提高。随着风电并网规模的不断扩大,高精度的风电功率预测成为保证电力系统安全运行的重要手段。鉴于局部风电功率序列可能存在的大幅波动或异常数据,导致经典EMD算法出现过迭代分解的现象,本章引入权重函数,并对经典EMD算法中的均值判断条件进行修改,形成改进的EMD算法。首先对风电功率序列进行分解;然后根据分解后各分量的波动特征,提出了基于游程分析的重构策略;最后采用不同的方法对重构后序列进行实时预测。以东北某三个风电场实测风电功率数据为例,与其他经典方法进行对比,验证了所提出方法的有效性。对风电功率实时预测结果进行误差分析。首先分析了风电功率预测误差与预测步长、风电场装机容量之间的关系。其次对风电功率出力进行高出力、中出力和低出力的划分,并研究不同出力水平下预测误差的概率密度分布。最后结合非参数核密度估计,对风电功率进行区间预测。论文中提出了三种区间估计的评价指标,以此对区间预测结果进行评价。对比参数估计方法与本文的基于风电功率出力水平划分的非参数核密度区间预测方法,验证了本文方法的有效性。