随着目前的主流能源的日益枯竭，全球各地区争相发展清洁能源，其中以风能最具代表性。风的不确定性，致使风电场的风机处理也无法明确。剧烈波动的风电功率并网会给电力系统调峰挑压带来很大的困难，同时谐波难以治理，电压质量无法得到有效控制。因此，准确的风电功率预测是风能高效利用的关键。　　1、人工神经网络作为目前发展较为完善的仿生物智能算法，在处理非线性函数上具有较大的优势。本文将该方法作为预测算法，在详细学习其理论知识的基础上建立了其预测模型。但风机出力的剧烈变化增加了人工神经网络预测的难度，导致该模型的运用成效不佳。因此，本文引入了小波变换的方法，用于历史风电功率序列的去噪处理。小波变换方法分解得到的低频分量序列相当于将历史功率曲线噪声序列去除后的效果。经真实风机功率序列仿真证明了该方法在处理剧烈波动的风机出力预测上是可行的。　　2、小波变换平稳化曲线的实质是让原曲线失真，因此，该方法提高实际运用水平的空间极其有限。为了找出风电功率输出中的某些规律性和固有特性，进而提高预测效果，本文将频域分解的方法代替了小波变换的方法。频域分解方法运用傅立叶变换将原数据序列分解，再根据实际需要设定频率过滤区间，截取不同频段的数据序列，再利用逆变换重构得到各数据分量。分解得到的日周期信号分量规律性明显，低频信号分量曲线平稳，高频信号分量也趋于平稳。通过建立的数学模型进行仿真分析发现，经频域分解后得到的各分量确实提高了预测的效果。　　3、在深入的理论研究的基础上，本文还在在Matlab系统中实现了风电场风机出力预测实际运用。该系统的运用有助于提高风电场调度和检修的效率，有助于提高风电并网的安全性和稳定性，能够产生较为可观的经济效益。