近年来微电网的优势愈发明显,使人们对微电网的发展越来越重视。在微电网中发电和用电的平衡性是决定该微电网是否经济高效的重要指标。其中风力发电的间歇性、不可控性等缺陷会对电网的安全稳定性产生很大的威胁,同时用电负荷也具有一定的不可控性,这些问题都会严重影响整个微电网的安全可靠高效的运行。为了满足微电网可靠的供电需求,降低发电成本,节约能源,提高能源的利用效率,提出了对短期风电功率和负荷进行预测。如果可以精确的预测风机的输出功率和负荷的用电功率,将有利于制定日开停机计划和发电计划等,合理配置风机出力,节约能源,这也是本课题的主要研究内容。本文采用人工神经网络对短期风速、风功率和负荷进行预测,其中风功率的预测是在完成风速预测的前提下进行的。首先利用人工神经网络算法对风速进行预测,分别采用了传统BP神经网络算法、添加动量项改进BP神经网络算法和GA-BP神经网络算法,分析这三种算法得到预测结果的优劣,最终得出,GA-BP网络算法得到的预测结果是最优。其次对短期风功率的预测本课题采用了线性和非线性两种预测方法。线性方法是通过在建立功率曲线的基础上进行风机输出功率的预测,采用直接法和最大概率法建立风速与风机功率的曲线关系图,继而利用预测到的风速即可得到对应的风机功率。非线性方法是利用人工神经网络的方法对风功率进行预测,在得到预测功率后需要对预测得到的功率数据进行RMSE、MAE和相关系数的计算,并对结果进行分析。经实验结果发现,本课题中非线性方法是优于线性方法的,非线性方法中经过GA优化后的BP网络算法又优于传统的BP网络算法。接下来对负荷进行短期预测,本课题采用的是BP算法和相似日改进BP算法这两种算法。对同一地区来说负荷具有日变化规律和周变化规律的,通过选取相似日有利于减小计算量和提高预测精度,其中相似日的选取利用灰色关联系数来确定的。本文的最后是风机功率负荷预测的设计与实现,首先给出风机功率与负荷预测的流程图,并按照前三章原理进行预测。然后采用Modbus通信协议利用Socket通信技术将得到的预测数据发送给监控系统,最终得到可控电源发电功率同时在微电网监控系统中显示。