风能的不确定性及波动性给风电并网工作带来了巨大阻碍,同时随着时间的增长、风电发电机组数量的增加,传统数据库对爆炸式增长的数据容纳能力几近极限,因此实现在线实时预测处理可以有效地缓解存储压力,以及时迅速获取有用信息。本文首先对基于分布式优化算法-交替方向乘子方法的回声状态网络算法在Storm计算平台上的可行性进行探讨,设计回声状态网络在Storm上实现的拓扑结构,实现了基于Storm的分布式回声状态网络算法,并使用实际风电功率数据对算法进行验证。接下来,与普通的回声状态网络算法及泄露积分型回声状态网络算法等风电功率预测算法的预测效果进行了对比分析。最后,本文针对预测曲线峰值附近预测误差较大的缺点,提出了基于Storm的分布式预测值修正算法,结合粗糙集理论,设计并实现了传统修正算法在Storm平台上的并行化,并结合实际数据集进行验证。实验结果表明,基于Storm的预测算法较其他预测算法具有更好的预测精度,而改进后的并行化修正算法在保证计算速度的同时,进一步提高了整体预测算法的准确率。