风能的随机性、波动性使得大规模风电并网已成为制约中国风电发展的最大瓶颈。而对风电场输出功率进行准确的预测有利于更多的风电得到消纳,促进风电的发展,对提高系统的安全稳定和经济运行具有重要意义。本文首先以风电机组的功率特性为基础,研究了影响风电机组输出功率的主要因素。然后介绍了风电功率预测方法的原理及类型与误差评价指标,为下文预测建模提供了良好的理论基础。其次,针对传统K邻近算法的风电功率预测方法计算复杂性及空间复杂性高的缺点,提出了一种主成分K邻近算法的短期风电功率预测方法。该方法通过对特征数据的处理,使得其在误差不增大的情况下,减少了每次的功率预测过程中的计算量,从而减小内存占用量,提高了效率。以江苏某风电场实测数据为算例,通过该方法与传统K邻近算法及支持向量机的风电预测方法进行仿真对比,得到主成分K邻近算法的风电功率预测方法在准确率及效率上均优于传统K邻近算法及支持向量机的预测方法。接下来,针对预测误差分布不均匀的现象,将主成分K邻近算法与支持向量机分类及智能算法相结合,提出了一种改进K邻近算法的短期风电功率预测方法。针对主成分K邻近算法输出函数权重单一的问题,参考组合预测方法,利用智能算法对其进行训练从而得到一组权重使得其误差更小。针对预测结果中有些数据的预测误差较大的问题,引入支持向量机来对其进行判断,对于这类型的数据,将有一组独立的参数与之对应。在预测的时候,首先对其进行分类,通过分类结果选择不同参数的预测方法来对其进行预测。最后,以江苏某风电场实测数据为算例,通过该方法与传统K邻近算法及支持向量机的风电预测方法进行仿真对比,得到该风电功率预测方法的误差小于传统K邻近算法及支持向量机的预测方法,与主成分K邻近算法的风电功率预测方法对比,发现该方法的误差也小于后者,证明了该方法的有效性。