目前，世界能源短缺和生活环境污染已经成为当今世界我们不得不面对的两大难题。为了维持社会进步，保证经济发展和保护生活环境，许多国家都在努力探索和开发各种替代能源、清洁能源，尤其是可再生能源。作为一种新型能源的代表，风能越来越受到世界各国的重视，风能产业的发展也日新月异。近年来，随着我国风电技术的发展和风电规模的扩大，风电在电网中所占比例越来越大。然而相比于一些传统能源，风力发电具有波动性、间歇性、随机性的特点，为保证其接入电网后系统的稳定运行和供电可靠，准确的风电功率预测对于接入大规模风电的电力系统具有重要意义。　　由于风速是影响风电功率的最主要因素，因此对风速的准确预测也十分关键。当前这方面的研究效果还无法达到令人满意的效果。本文在前人的研究基础上，分别介绍了关于支持向量机的三种风速预测方法。首先使用单一支持向量机算法对原始风速随机序列进行预测生成。然后针对支持向量机参数选择问题对预测准确性的影响，引入一种基于改进粒子群优化的支持向量机预测方法。最后针对风速序列的波动性，使用经验模式分解法对风速序列进行平稳化处理，再结合粒子群优化支持向量机模型进行预测。本文分别建立三种模型对未来24小时的风速序列进行预测，将得到的风速预测序列通过风电功率曲线转化为功率预测序列，并做误差分析。　　通过使用支持向量机和改进的支持向量机模型对风电场风速和功率预测问题的研究，可以看出改进的两种模型有助于风速和功率预测精度的提高，而且每个模型的预测结果都存在着一定的自身特点。