随着风力发电装机容量的不断提升,风电占所在电网的比例也在逐步增加。由于风的高度随机波动性和间歇性,使得大容量的风电接入电网会对电力供需平衡、电力系统的安全、以及电能质量带来严峻挑战。如何可靠准确地根据风力发电输出电量情况对电网的运行进行合理调配是一个急需解决的问题。如果能对风电场出力进行短期预报,将使电力调度部门能够提前随着风电出力的变化及时调整调度计划,从而使电力供需达到平衡,同时还可以减少电力系统的备用容量、降低电力系统运行成本。如果预测精度达到一定的要求,还可以提高电力系统中风电最大装机比例。最终提高风电的竞争力。本文首先对风电场短期预测系统国内外发展情况、系统的构成做了介绍。对当前的预测技术进行了概括,并对BP神经网络原理、算法及其改进做了详细的分析。本文的重点工作是用神经网络法和时间序列法对风速功率预测进行探索性研究。并对风速的可预测特性,预测误差进行了详细的分析,通过两种预测方法所得仿真结果的对比分析得出了影响风速预测误差的主要因素。论文还对功率的预测方法及风速与功率预测误差之间的关系做了分析。考虑到风速具有延续性,为了提高预测精度,提出动态预测模型作为下一步的研究内容。