随着低碳经济的大力发展,风能作为一种清洁环保的可再生能源,资源丰富,且无需开采与运输,是一种最有开发前途的新能源。风力发电是现今发展最快和最成熟的可再生能源发电技术之一,具有大规模商业开发的经济和技术条件,同时也具有良好的社会效益和经济效益。然而,随着风力发电的快速发展,风电装机容量也迅猛发展,电网中风电所占的比例不断增加,风能所固有的间歇性和波动性将会对电力系统的电能质量和安全稳定性能带来非常严重的威胁。为了解决大规模风电接入电网对电力系统的冲击问题,提出了对短期风电功率进行有效预测。如果能准确的预测风电场的输出功率,将有利于电力调度部门及时调整总体调度计划,合理配置风力发电机组的出力,节约常规能源发电。本文采用物理预测模型,将课题分为两个部分来完成,即风速的预测和风功率的预测,风功率的预测是在风速预测的基础上完成的。首先采用的是WRF模式对风速进行预测,在分析研究了WRF模式的框架和流程之后,运用该模式对山东省安城风场某一天的风速分别进行提前12h和提前24h的预测。在此基础对不同物理过程方案在不同时间间隔下的输出结果和不同嵌套模式下的输出结果进行比较,通过误差计算对风速预测的结果进行分析。经研究得出,15min时间间隔的输出结果可以满足预测要求,针对不同预测时效可采用适合风场的不同组合物理方案进行预测以得到较高精度,而适合风场的高分辨率的单层模式也可得到较好预测结果。其次对功率预测采用了两种方法——线性方法和非线性方法,线性方法是指通过建立功率曲线的方法进行功率预测,非线性方法是指采用神经网络的方法进行功率预测。建立功率曲线主要有直接法、比恩法、最大值法、最大概率法和幂函数拟合法,由于风力发电机有切入切出风速,因此对于不同的风速等级,各种方法有不同的建立标准,最后通过这些方法建立的风速与功率关系曲线可以由预测风速得到相对应的预测功率。在分析了神经网络的基本原理和流程之后,对使用最广泛的三层BP神经网络进行了研究,将原始数据进行归一化后,构建BP神经网络预测模型进行短期预测。然后对由上述方法得到的预测功率数据进行误差计算,采用平均绝对误差、平均相对误差、均方根误差和相关系数等不同的评价标准对结果进行分析,得到较为适合的风功率预测方法。最后,针对BP神经网络固有的局限性,提出了遗传算法优化方法,对神经网络的权值和阈值进行优化。通过算例分析可知,BP神经网络模型的预测效果较为理想,并且经遗传算法优化后,模型的预测精度有了一定的提高。