随着我国风电装机容量的逐年增多,风电电量已成为社会总电量中不容小觑的一部分,但由于风力发电具有波动性和间歇性,这导致风电电量在纳入社会电量时存在困难,因此准确地预测风电功率有着重要意义。本文应中国水利水电科学研究院的需要,建立四川德昌风电场风电功率预测系统,可对四川德昌风电场未来24小时内的风电功率进行预测,同时用户可根据历史气象数据和系统分析结果确定对应的电力调度和电力管理方案,提高电力调节措施的即时性、准确性。本文按照软件工程规范,在系统可行性分析的基础上,对四川德昌风电场风电功率预测系统进行了需求分析,包括功能性需求和非功能性需求;介绍了软件体系结构的设计、问题域设计、持久化设计、系统界面设计、以及BP(Back Propagation,BP)神经网络模型权值和阈值的优化设计;针对系统的风电数据推送模块、风电信息展示模块、风电功率预测模块和风电信息统计模块分别设计系统测试用例,并进行测试;依据前期需求、设计和测试,实现整个四川德昌风电场风电功率预测系统。为满足四川德昌风电场对本系统在预测能力和系统性能方面的需求,通过对国内外风电场风电功率预测模型的比较和分析,本文最终使用BP神经网络模型对风电场风电功率进行预测,并针对权值和阈值在实际赋值过程中存在较大的随机性的问题,采用改进的果蝇优化算法(Improved Fruit Fly Optimization Algorithm,IFOA)对BP神经网络模型的权值和阈值进行优化,建立IFOA-BP模型,实现了权值和阈值的自动优选。实验结果表明,IFOA-BP模型比BP神经网络模型和基于传统果蝇优化算法改进的BP神经网络(FOA-BP)模型具有更好的预测能力;比基于人工蜂群算法改进的BP神经网络(ABC-BP)模型,更符合四川德昌风电场对本系统在系统性能方面的需求。目前,系统测试正常,对四川德昌风电场的风电功率预测效果良好,可为四川德昌风电场风电功率预测工作提供数字化决策支持。