目前对于风能的研究越来越深入，但对于风速预测的研究效果还达不到令人满意的程度，其平均绝对百分误差大多在25%～40%之间。风电穿透功率超过一定比例之后，会严重影响电能质量和电力系统的运行。如果能对风电场风速和发电功率进行比较准确的预测，则有利于电力系统调度部门必要时提前调整调度计划，有效的减轻风电对电网的影响，而且还具有其他诸多方面的意义。因此准确的风速及风电功率的预测依然是风力发电技术领域的主要研究课题。本文在前人研究的基础上，具体阐明了三种基于支持向量机的风速预测方法。首先在支持向量机的基础上选择了在函数估计和逼近中应用非常广泛的最小二乘支持向量机。然后针对支持向量机样本数据较多时出现的参数选择问题，引入遗传算法优化其参数选择；又由于风速时间序列的非平稳性，引入经验模式分解法将非平稳的风速时间序列分解成若干个较平稳的时间序列再对其进行预测。建立了三种基于支持向量机的风电场风速预测模型，分别为最小二乘支持向量机、遗传最小二乘支持向量机组合模型和经验模式分解结合遗传最小二乘支持向量机组合模型。用这三种模型分别对短、中、长三个时期的风速进行预测。最后运用风电功率曲线，将风速的预测值转换成风电功率的预测值，并对两者的预测精度进行比较。通过以上对风速和风力发电功率预测问题的研究，运用支持向量机理论进行了较为深入的模型探讨，可以发现改进的支持向量机的组合模型是有助于提高风速和风电功率的预测精度的，而且不同的组合模型的预测结果又存在着其自身的特点。