中国的风电事业，在设备制造、自动控制，尤其在风电功率预测领域受制于国外的技术垄断。对风电场而言，存在着客观因素导致国内的风电场无法预报未来的发电功率曲线，这是由于风力的随机性，尤其是近地边界层风场的风电功率预测一直是个难题。国外风电发达国家，如丹麦、德国都先后发展了风电功率预测系统，能够准确的预报风电场第二天的发电功率曲线。在中国，风电目前的比例还不到1％；但随着规模不断加大，风电比例已经越来越高，发展风电功率预测技术已经成为当务之急。 论文首先简述了国内外的风电场短期风电功率预测发展的现状，对预测技术做了概括性的论述，在此基础上，提出了风电功率短期预测系统的组成模块，以及各模块之间的调用和功能。具体阐明随机时间序列法和人工神经网络法的基本原理以及在这一领域内的应用。首先是用随机时间序列法初步建模；之后，把随机时间序列法的研究结果运用到人工神经网络法，通过这个方法解决了目前神经网络法输入变量不能定量的问题，并提出了滚动式权值调整手段，解决了神经网络权值随时间推移而逐渐变得不适用的问题；接着，用气象数据作为网络输入量，使用BP神经网络法来预测风力发电功率，解决了神经网络预测时间的局限性。试验表明，所建立的模型具有一定的实用价值。 文章最后对风速预测和风力发电功率预测的精度进行比较，指出因为风速和风力发电功率自身规律性强弱的不同，导致它们的预测精度亦存在相应的差距。