风能作为清洁能源和可再生能源，已得到世界各国的高度重视和大力发展。但风速的随机性导致风电场输出功率的不稳定性，大规模的风电接入电网势必会对电力系统的安全、稳定运行以及电能质量带来严重的不利影响。为减轻风电功率的不稳定性对电力系统的不利影响，极其有必要准确地预测风电功率，而风速预测是风电预测的基础。在此背景下，本文对短期风速预测展开了深入研究。
　　本文针对风速时间序列相邻时刻数值具有高相关性的特点，在单一的风速数据中，利用相邻时刻的已知风速来预测未来的风速。基于此思路，建立了相似数据和支持向量机相结合的预测模型，该模型运用一种新型的相似测度函数从大量的历史风速数据中提取与预测样本相似的数据创建训练样本，训练支持向量机预测模型，最后预测下一时刻的风速。新型相似测度函数兼顾了风速序列的数值大小和变化趋势。在 MATLAB平台下进行实验仿真，利用该模型分别实现单步预测和多步预测，在单步预测中模型每预测一次用实际风速更新历史数据，在多步预测中利用上一步预测值更新历史数据，结果表明在单步和多步风速预测中，相似数据搜索法提高了预测模型训练样本和预测样本的相关性，减小了预测误差。
　　由于风速的随机性，无法对风速进行精确预测,本文在风速大小预测的基础上，研究风速变化区间预测。将信息粒化理论应用到区间预测中，对原始风速时间序列进行模糊信息粒化处理，得到原始数据变化的最小值、平均值和最大值三个序列，并利用相似数据和支持向量机相结合的预测模型分别对三个序列进行回归预测，最后给出风速变化区间和趋势。实例仿真表明，粒化后的数据反映了风速变化特征，减少了数据的冗余，通过风电场实际风速数据验证，该模型能有效的预测风速的变化区间。