近年来风力发电发展迅速,我国已步入规模化发展阶段。由于风能具有波动性、间歇性和不可控性等自身特点,随着风力发电量在电力供应中所占的比例不断上升,大容量风电场接入电网后,电网的安全稳定运行同时也面临着前所未有的严峻挑战。在此背景下,研究风电功率时间序列的各种波动特征,提供更准确的风电功率预测是解决这一难题的关键技术之一。本文基于对风电时间序列二阶矩、高阶矩特征的研究,提出了一系列基于波动性模型的风电预测模型和方法,主要成果包括：(1)风电时问序列二阶矩波动性建模研究。研究了风电时间序列波动性的分析框架和一般建模方法,分析了风电时间序列的GARCH-M效应、厚尾效应和波动不对称效应。建立了基于厚尾GARCH-M族、不对称GARCH-M族风电预测模型,算例结果验证了所提风电预测模型的有效性。研究中提出了多种相关分析方法：①基于动态波动补偿系数曲线,定量分析了波动补偿项对风电功率预测的影响；②给出了厚尾分布选型必要性的理论基础,基于动态形状参数曲线分析了风电时间序列的厚尾效应；③提出了一种新的判别基准一一基准对称曲线(Benchmark Symmetric Curve. BSC),扩展了信息冲击曲线的应用；④基于对各种不对称GARCH族模型的分析,提出了不对称曲线指标(Asymmetric Curve Index, ACI),为信息冲击曲线不对称程度的比勘提供了一种定量判别方法。(2)风电时问序列波动成分研究。基于波动分解技术分析了风电时间序列的长期波动成分与短期波动成分。基于成分GARCH-M族和不对称成分3ARCH-M族风电预测模型的方法分析风电时间序列不同波动成分特征,算例结果验证了成分GARCH族、不对称成分GARCH族风电预测模型的有效性。在不对称成分GARCH模型框架下,推导了条件方差与冲击的函数关系,为信息冲击曲面分析提供了理论基础；提出了广义信息冲击曲面(Generalized NIS, GNIS)的分析方法,为分析风电时间序列的波动性提供了广义的研究框架,丰富了波动性建模的理论内容。(3)风电时间序列波动性的机制转换特征研究。基于风电时问序列的离群点效应、两重离群点效应、两重不对称效应三种波动性特征的研究,提出了离群点平滑转移自回归(Outlier Smooth Transition Autoregressive, OSTAR)模型、双离群点平滑转移自回归(Double Outlier STAR, D-OSTAR)模型以及双逻辑平滑转移自回归模型(Double LSTAR, D-LSTAR)三类新STAR模型。讨论了离群点阈值参数的设定方法,解决门限点设定问题；推广了一种用于分析门限处斜率的斜率信息冲击曲线及相应分析方法,并研究了模型门限点的性质；基于NIS分析了多重STAR模型的冲击响应。算例结果验证了三类机制转换风电预测模型的有效性。(4)风电时间序列高阶矩建模研究。研究了风电时间序列条件密度、高阶矩的建模技术。推导了风电时间序列高阶矩和时变参数函数关系。提出了一种新的自回归偏度、自回归峰度检验方法一链式检验,可有效检验风电时间序列的时变高阶矩。基于GARCHSK模型推导了条件偏度响应方程和条件峰度响应方程,提出了一种联合分析风电时间序列条件方差、条件偏度、条件峰度变化规律的方法。算例结果验证了基于.ARCD模型和GARCHSK模型的风电预测方法的有效性。(5)风电功率预测模型评价研究。通过改进损失函数,提出了一种新的基于非对称损失函数DM检验的预测评价方法,算例结果验证了该检验的有效性；提出了一种基于增广DM检验的风电预测模型预测评价方法,给出了模型地位不对等情况下,预测评价的操作步骤和考虑模型地位差异的判别准则。算例结果表明,该检验能在计及运行风电预测模型和备选风电预测模型地位不对等情况下给出定量的模型预测能力评价。