随着气候的变化和因化石燃料过度消耗引起的能源危机越来越严重,世界各国都致力于可再生能源和清洁能源的研究与开发。风能作为一种可持续的发电来源,被认为是最重要的绿色能源之一,而风速是影响风能的主要因素。许多优秀的算法被提出用于风速预测。目前,考虑到风速在不同的季节或时段的不同变化特点,部分学者通过聚类提取风速模式,针对不同风速模式构建风速预测模型。但是经典的聚类算在聚类时仅仅将各种不同类型的特征串联在一起,不能有区别的分析不同类型特征以提取更多的风速变化特性。基于此,我们提出了基于多视角的风速模式挖掘用于短期风速预测。具体来说:首先,提取多视角特征,主要是基于人工的从风速的统计信息、风速的波动信息和风速变化趋势信息三个不同的视角对风速模式进行刻画,此外,还尝试了基于深度学习的多视角特征提取;其次,为了在聚类过程中保持不同视角下的风速变化特征的独立性和完整性,分别对不同的特征进行非负矩阵分解得到新的特征表示,并将多个新的特征空间进行融合得到一个最终完整的特征空间;最后,基于最终的特征进行聚类,将风速样本划分成多个不同的簇集,分别进行风速的预测。经试验证明,基于多视角聚类方法可以有效的提取不同的风速变化模式,分别对不同的簇集建立风速预测模型有效的提高了风速预测精度。