准确的风电功率预测是电力系统安全运行的前提。近年来,随着风电场集群规模的不断扩大,同一集控系统下通常建设几个或数十个风电场,各风场分布散、规模不一,且在地理位置、气候条件、风机型号等方面都存在差异。目前,大多数风电场分别对应一套独立的预测系统和相应的单一预测模型。即使是同一集控系统下的不同风场之间采用的风电功率预测模型也不尽相同,这给集控总站以及发电企业实现管理调度带来很多问题。因此,需要提出一种适用于集控多风场区域的功率预测模型,显然传统单一预测模型已无法满足要求。针对上述问题,提出组合预测模型。首先,对风电场侧及集控中心侧数据采集过程进行了介绍,然后针对功率输出受多种因素影响,提出采用灰色关联度算法筛选出与功率输出相关度高的特征参量。在此基础上,针对功率预测模型输入维数过高的问题,提出核主成分分析方法对数据降维,最后为保证模型准确度,对数据进行预处理。其次,针对集控多风场环境,采用BP神经网络、灰色GM(1,N)、SVR三个单一预测模型对同一集控系统下两个典型风场分别进行功率预测。由于单一模型的局限性,提出基于熵权法的定权组合预测模型。定权组合预测模型将各单一预测模型不同时刻预测效果看做不变的,而实际预测中各单一预测模型预测效果随时间动态变化,在此基础上提出基于灰色关联度的变权组合预测模型。最后将单一模型和组合模型预测结果进行对比分析,表明变权组合预测模型在两个不同风场预测效果都最好,适用性较强。再次,为了更好证明组合模型对集控多风场区域的适用性,提出基于集成学习算法的组合预测模型。首先针对随机森林参数选取和候选特征选择问题,提出改进的网格搜索法和K均值聚类方法对随机森林算法进行改进,在此基础上将Adaboost和随机森林算法相结合,提出基于Adaboost和随机森林的风功率预测模型。经过仿真分析,证明基于Adaboost和随机森林的预测模型具有良好的预测效果。最后,针对目前以单个风场为单位分别部署一套独立功率预测系统存在的问题,提出建立集中风功率预测系统,并对系统从整体架构、通信设计、风电场子站系统、集控中心主站系统及系统功能几个方面进行了设计。