随机性、间歇性作为新能源的固有属性会造成新能源出力不稳定,不利于调度,且会威胁整个系统的稳定性。准确的新能源出力预测对于电网调度、保障系统稳定运转、合理制定设备维护、维修有重要意义,而准确的故障诊断方法能够快速确定故障类型及位置,从而缩短停机维护时间,是提高系统稳定性的有效措施。因此,本文针对新能源出力预测及故障诊断方法进行了研究,论文的主要工作如下:首先,对新能源短期出力预测方法进行了研究。通过分析影响新能源出力的多种环境因素,确定了影响预测性能的主要环境变量。针对BP神经网络预测方法存在陷入局部极值或不收敛等问题,提出了一种遗传算法(GA)改进的BP新能源出力预测方法。该方法利用遗传算法在网络开始训练之前对初始权值、阈值进行寻优,避免算法陷入局部极值,并且提升了预测精度。采用甘肃某地区实际新能源出力数据对改进后的预测方法进行了测试,结果验证了所提出改进预测方法的有效性。其次,对风电的中长期出力预测方法进行了研究。由于灰色模型(GM)预测精度受限于初始数据以及背景值的构造方式等问题,提出了一种采用新陈代谢、初始值线性变换、优化背景值权值三种方法联合改进的灰色模型。该模型采用遗传算法对线性变换参数和背景值权值进行寻优以及利用新旧信息置换,从初始值与内部建模机制两方面改进灰色模型,提升了年度出力预测精度。针对自回归滑动平均模型(ARMA)预测方法存在建模所需数据量大以及预测精度较低问题,提出了一种改进GM-ARMA组合模型的预测方法。该方法首先利用改进GM对月度出力趋势进行预测,然后利用ARMA对所得残差进行进一步预测,最后将二者结果进行叠加即为最终预测结果,由于其采用改进GM方法因此无需大量历史数据建模,同时提升了月度出力预测精度。采用实际数据对改进后的方法进行测试,结果验证了所提出改进方法的有效性。最后,研究了风电系统的故障诊断方法。介绍了风电系统的故障类型及产生原因,建立了直驱永磁风电系统仿真模型,基于所建立模型对网侧变流器开路故障进行了仿真诊断分析。通过采用小波包及变分模态分解方法,提取故障时各相电压信号的分量峰度、均值、方差作为故障特征向量,基于随机森林法对变流器故障进行了诊断。仿真结果表明变分模态分解抗噪能力强,更能适应实际生产环境,故障特征描述准确,故障识别准确率高。