从上世纪80年代开始，风力发电在世界各国迅速发展，风力发电不同于水电、火电等传统的发电方式，其间歇性、随机性与波动性决定了风电的大规模并网必将对电力系统的安全稳定运行以及电能质量带来严峻挑战，而风电功率预测技术是解决上述问题的有效途径。风电功率预测可以帮助运行人员制定调度计划，统一协调系统中各类电源，从而降低风电并网对电力系统的负面影响，提高系统运行的安全性和经济性。本文对风速短期预测技术进行了以下几个方面的研究：首先，提出了一种运用基函数神经网络对风速进行预测的方法：它通过建立风速预测的Chebyshev神经网络模型，利用历史风速训练网络，对未来时刻风速进行预测。通过对实际风塔所测风速数据进行仿真表明，此方法预测的风速各项误差评价指标均优于持续法，是有效可行的风速预测方法。与传统BP神经网络方法相比，该方法可以有效减小神经网络的规模，提高运算速度。其次，提出了一种修正风速预测偏差方法：它利用预测点之前一段时间内风速的初始预测误差来估计预测时刻的预测误差，从而对初始预测结果进行修正；估计时则使用非参数核密度估计法，首先介绍了该方法的基本原理，进一步结合数值天气预报数据，建立了综合修正模型，以达到良好的修正效果。通过对实际数据的仿真，证实了此修正方法可降低初始风速预测偏差，具有更好修正效果。最后，提出了一种数值天气预报风速数据订正方法：利用数值天气预报自身的系统性误差，通过寻找预测日的相似日，建立相似日订正模型。介绍了相似日的选取方法，讨论了模型中相似日个数和修正系数的选择对订正效果的影响，通过比较订正前后各误差指标，证实了此方法能够对数值天气预报的风速数据进行有效订正。