1、本文針對風電場短期功率預測技術在預測精度、可靠性及適應性上存在的不足開展研究，主要對提高預測精度和可靠性的算法進行研究。論文的主要研究內容如下：
　　由于國內風電功率預測的研究很少考慮數據的預處理部分，沒有充分挖掘及有效利用數據包含的信息，沒有充分考慮數值天氣因素的影響。針對此現象，本文提出采用基于密度的局部離群點檢測方法LOF(Local Outlier Factor)將離群點挖掘出來，并在傳統相似日數據選取的基礎上進行改進，然

2、后結合時間序列法建立風電功率的單一預測模型，并利用數據進行仿真對比，結果表明本文所提數據預處理方法的可行性和有效性。
　　本文在單一預測模型研究的基礎上，結合時間序列模型與BP神經網絡模型各自的優(yōu)點，提出新的組合方式，建立組合預測模型。將組合模型與單一模型進行仿真對比，結果表明組合模型提高了預測的精度。
　　針對以往的短期風電功率預測方法中功率預測結果為單一點值的情況，本文引入橫、縱向誤差的概念，提出基于橫、縱向誤差的區(qū)間估