二十一世紀是新能源的時代。因為經濟發展帶來的日漸下降的能源需求，以及傳統能源帶來的溫室效應、環境污染等問題，世界各國均旨在于發展清潔、可再生的新能源。風力發電作為技術最為成熟的新能源，在全球范圍內均得到了迅猛的發展，是當前能源構成中所占份額最大的新能源。
然而，在風力發電的急速發展中，也漸漸顯露了許多問題。風的隨機波動性和間歇性等特征決定了風力發電功率的波動和間歇性，當風電在電網中所占的比列較大時，該特點都會嚴重影響電網的穩定與安全。為此，為了就能提早對供電系統進行有效的計劃和調度，保障電網的穩定性與安全性，就必須對風電場的發電功率進行確切的預測。
本論文依托基礎科研項目“大型風電場短期功率預測方式研究”，以實際課題“大型風電場的風電功率預測系統開發”為工程背景，結合國外外風電場功率預測方式的最新研究狀況和發展趨勢，對短期風電功率預測方式進行了較為深入的研究。論文主要研究了以下幾個方面的內容：
1）基于小波剖析與高斯過程的風電功率預測混和模型。本文提出了使用歷史數據進行預測的混和模型，首先使用小波變換對實測風速序列進行分解，之后對每位子序列分別基于高斯過程進行建模、預測風電功率預測數據分辨率，最后由子序列的預測值求和得到風速預測值。對風電場實測數據庫的預測結果證明，該混和模型與持續法相比，可將1-4小時/天的預測精度提升約10~13%。
2）基于空間相關法的風速預測組合模型。空間相關法可合理借助風電場周邊測風站點的實測風速信息，預測風電場未來的風速變化趨勢，進而提升預測精度。本文首先使用自相關系數法選擇模型輸入，之后基于神經網路構建分風向預測模型，并將該模型與基于小波剖析與高斯過程的混和模型相結合，以清除風速不相關時空間相關數據可能引入的偏差。實驗結果表明，組合模型將1-4小時的風速預測精度增強了11%左右。
3）基于數值天氣預報與高斯過程的修風模型。隨著預測時間的下降，預測模型需加入數值天氣預報（NWP）數據作為輸入，以提升預測精度。本文提出的修風模型，首先使用高斯過程構建NWP數據與實測風速之間的模型關系，之后使用該模型修正NWP數據中的風速預測值，并將修正后的風速用于風電功率預測。文中對建模流程的每位步驟均做出有效性剖析，之后給出了大規模實驗驗證，結果表明，本文的修風模型急劇增強了1-24小時風電功率預測精度，與持續法相比的提升度約在30-50%之間。
4）針對新建風電場的在線高斯預測模型。新風電場未能得到足夠的實測數據組成訓練集，因此未能完善精確的預測模型。因此，本文提出了以下預測方式：首先選定與新風電場的氣象狀況最相像的已有風電場數據庫作為初始訓練集，之后隨著新風電場的每晚營運風電功率預測數據分辨率，逐漸使用新樣本替代初始樣本，最后基于在線學習的高斯過程構建預測模型。實驗結果表明，該方式對于新風電場的24小時風速預測，精度提升了約20%；對于1-3天的風速日均值預測，因為合理加入NWP數據，精度提升度在25-50%之間。