当前我们正在经历由信息技术时代向能源技术时代的过渡时期,风能以其储量的丰富性,能源的清洁性而日渐成为主要发展的新能源。但由于风的随机性和间歇性特征会为风电的大力发展产生阻碍。因此,对风电功率的精准预测显然愈加重要。为满足国家能源局最新发布“两个细则”对风电功率预测的更高要求,同时,也为我国西北等地区相继实行的电力交易提供技术保障。本文针对于风电功率预测系统的设计进行如下的研究工作:首先分别对风电功率预测中的NWP数据、测风塔数据及实际功率数据分别进行数据的重复行检验和处理、数据的完整性检验和处理以及数据的合理性检验和处理。保证得到优质的数据为风电功率的预测提供良好的支持。选择平均绝对误差、均方根误差和误差指标相关系数三种指标用于风电功率预测的误差评价。然后基于BP神经网络算法结构简单和学习步骤清晰的优势选择使用BP神经网络对风电功率进行短期预测,但由于BP网络本身存在的易陷入局部极小值点等不足,选择利用基于标准粒子群算法优化的免疫遗传算法既保留在全局范围内寻优的特点,又能提高算法收敛速度的优势对BP神经网络进行改进,最后为了弱化风能的强波动性对短期功率预测的影响,使用“平均值法”对PSO-IGA-BP预测算法模型中的输入数据进行优化,通过模型仿真出的预测功率曲线和实际功率曲线的对比以及对预测结果的误差评价分析,证明经“平均值法”优化的PSO-IGA-BP预测模型对风电短期功率的预测精度最高,预测效果最好。最后,基于前文的研究和验证,设计并实现了风电功率预测系统,通过对预测系统的各部分功能设计和对数据接口及通信方式的设计使风电功率预测系统可以稳定,便捷的实现多个功能,进而为调度端和电力交易用户提供技术支持。