随着能源问题和环境问题的日益严峻,世界各国竞相大力发展可再生能源。风力发电凭借其绿色环保、资源丰富、容易开发、性价比逐步提高等优势得到了世界各国的广泛重视,是目前世界上发展得最快的可再生能源。风力发电在电网中的比重不断提高,大型风力发电场的容量少则几十兆瓦,多则可以达到上百兆瓦。但是与其他常规的火电厂、水电厂不同,风电场的输出功率不断波动,在电网中运行势必会对电网产生一系列影响,因此非常有必要对风电场在电网中的行为特性以及接入电网后产生的影响进行全面的研究。目前,国内外对于风力发电各种课题的研究越来越深入和广泛,但其中关于风电场风速和发电功率预测的研究还达不到令人满意的程度,而且在我国基本还没有做过这方面的研究工作,本文将对这一领域进行研究和探讨。本文首先介绍了这一课题的国外研究现状,并且阐明了时间序列法、神经网络法等现有主要方法的基本原理在这一领域内的应用。其次,在对比了上述诸多方法之后,引入一种新的方法——最小二乘支持向量机法来预测风速的值。运用该方法建立风速预测模型,以Matlab最小二乘支持向量机工具箱toolbox LS-SVM lab为平台,实现风速的预测。并且运用了滚动式权值,使网络能够反应风速的最新变化规律。经试验表明,所建立的模型具有一定的实用价值。本文引入了v-支持向量机法,建立了风速的概率预测模型,能够对风速进行概率预测,给出的是一个带有置信度的风速区间。而且无需事先对预测偏差的概率分布进行假定,就可以同时给出较为可信的置信区间估计。在目前风速预测精度不高的情况下,为风速的概率性预测研究提供一种新的思路。本文最后结合风速等效功率曲线求出风电场单机输出功率,并且对风速预测和风力发电功率预测的精度进行比较。