随着能源短缺、能源供应安全形势的日趋严峻，风能等可再生能源产业发展迅猛，电网中风电所占比例越来越大。然而与一些传统的电源相比较（水电、火电），风力发电具有间歇性、波动性、随机性的特点，大规模风电并网后将严重影响电力系统的电能质量和安全稳定运行。风电功率预测技术对风电场生产安排、指导系统调度运行意义非常重大，因此，亟需对风电场输出功率预测技术开展深入研究，对风电功率进行较为准确的预测。　　本文主要进行风电场的短期风速和功率的预测工作，以西北某风电场的现场测量数据和运行数据为基础进行预处理分析得出其统计规律。首先考虑风向、温度、气压对风速的影响，比较动态神经网络和静态神经网络模型的特点，提出一种基于Elman回归神经元网络的方法进行风电场风速1小时和24小时的短期预测。所建模型有效的提高了预测精度，具有适应时变特性的能力。　　应用功率直接预测方法，利用采集到的历史数据进行风电功率短期预测。分别建立不同隐含层的Elman神经网络预测模型，包括单隐含层、双隐含层、三隐含层Elman网络模型，与BP神经网络模型和RBF神经网络模型相比较。用风速和风向数据作为预测模型的输入，对风电场的短期功率进行了预测。经仿真证明，三隐含层Elman神经网络预测模型预测精度更高，具有很好的非线性映射能力，可以在风电功率预测及其它相似的预测中应用。最后进行了一年四季不同月份的风电功率短期预测，说明了季节变化对风电功率预测的影响。