随着人类对能源和环境的关注，风能作为一种自然，清洁能源越来越为业界所重视。风速是影响风能大小的主要因素之一，但由于受季节和地域的限制，风速具有随机性和不确定性，借助于短期风电场风速和发电功率的准确预测，电网调度部门就能根据预测结果提前做出有效调度计划，从而可以减轻风力发电对国家电网的影响。因此，风电场风速和发电功率的短期预测对于风力发电产业的发展具有重要意义。　　 本文在对目前国内外风电场风速预测常用方法的分析基础上，采用时间序列分析法(统计学)和最小二乘支持向量机法(机器学习)对风速进行短期预测。在用时间序列法建立模型时，分别用最小二乘法(LS)和递推最小二乘法(RLS)进行模型参数估计，结果表明两种方法可行，而递推最小二乘法参数估计优于最小二乘法。考虑核函数和正规化参数对最小二乘支持向量机的预测精度影响，分别采用交叉验证法(Cross-Validation)和粒子群优化(PSO)算法进行参数选择。风速预测结果表明，粒子群优化算法优于交叉验证法。　　 在对风电场风速预测研究的基础上，利用风能实验平台获得风电功率曲线，用上述方法对发电功率进行短期预测。结果表明，时间序列法和最小二乘支持向量机法都是可行的，并且能够达到要求预测精度。　　 为测试风力发电机的性能，通过风能实验平台得到风速、发电功率和转速等参数的特性曲线，为风力发电机的设计和优化提供依据。