随着社会发展不断发展，能源紧缺以及环境污染等问题逐渐突出。风能是一种蕴藏量巨大的情结可再生能源。风能资源的波动性和随机性对风资源的利用产生了极大的影响。合理的进行风功率预测，能够指导电网调度、缓解电力系统调峰调频压力，提高风资源消纳，同时，风电企业也可以根据风功率预测选择合适的时机安排设备检修。现阶段，我国积极推进近海风电场项目，所以，需要探寻一套严谨合理、经济性良好且精度较高的短期功率预测方案。本文在对当前应用比较广泛的多种预测算法进行了全面细致地比较分析，同时以近海风特征为导向，创建了一个相对较为完善合理的分频组合预测模型。
　　针对影响风功率的几个自然因素，结合研究对象，分别将风速、风向、温度和压强与风电场输出功率进行数据分析，得出上述因素与风电场出力的因果关系。本文的研究数据来自山东某近海风电场实测数据，由于设备故障、认为干扰等原因，原始数据序列存在缺失和损坏的数据，称之为随机干扰。风速数据实测过程中往往会受到随机噪声的不良影响，基于此，本文在借鉴现有成果的基础上提出了以VMD分解为核心的随机噪声抑制策略。其次，依托严谨完善的AR模型，分别从水平、垂直这两个不同方向进行全面细致地分析，由此完成了对遗漏数据的有效补充。最后，以当前备受业内人士推崇和认可的t检验准则为指导，实时动态地检测风速序列中所存在的异常信息，并结合实际情况采取合理措施进行有效矫正。通过测试发现，本文提出的预处理方案严谨合理且具有良好的可行性及有效性。
　　介绍了经验模态分解法的分解流程和经验模态分解法的优缺点。在此基础上，使用EEMD作为改进EMD手段，有效的克服了经验模态分解法易出现模态混叠现象，使得分解原始信号的过程中，能够有效地将高频、中频和低频信号相互剥离。介绍了本文所用模型的预测流程以及对结果进行评估的评价指标。为了验证模型的效果选取了山东沿海地区某近海风电场2019年1至4月的风电场实测数据进行严格规范地验证。首先，将采集到的各种原始数据准确规范地输入至集合经验模态分解中，由此获得准确完整的各模态分量，同时按照其波动特征将其划分为中频、低频、高三类。其次，通过小波神经等多种科学合理的方法对分类后的三类模态分量进行精准、高效地预测，再将得到的预测值通过当前应用相对较为广泛的支持向量机进行规范合理的拟合。最后，通过选取的指标进行全面客观地评价，通过检测了解到，本文创建的模型具有良好的可行性和有效性，不仅预测精度高，并且运算效率高。