随着社会的发展,人们对能源的需求越来越大,传统化石燃料已无法满足社会的发展需求,甚至会破坏环境,因此,我国越来越重视对新能源的发展。风能因其具有高效清洁、可再生的优点,成为当今主要绿色能源之一。风力发电虽然在我国发展了很多年,但在实际生产中还未得到广泛应用。主要是因为风力具有随机性、波动性和间歇性,导致风电输出的功率没有保障,给大规模并网带来了挑战。为了提高风电场功率稳定性,保证电网的安全,对风电功率做出精准的预测具有十分重要的意义。本文的研究基于目前风电功率预测的发展现状和存在的问题,从两个方面展开研究:（1）基于实际风电场的真实数据集,对其进行了特征分析、特征组合、特征筛选等一系列工作,并基于集成学习算法中的XGBoost、Light GBM和Cat Boost分别搭建风电功率预测单模型,再利用Stacking进行模型融合提升预测效果,最后根据实验结果选择最优模型,完成风电功率预测模型搭建。（2）在此基础上,本文对风电功率预测系统进行了需求分析与功能设计,并结合系统开发的相关技术,实现了一个风电功率预测系统。该风电功率预测系统主要包括风电数据推送、风电信息展示、风电功率预测、风电信息统计四大模块。系统除了包含风电功率预测功能外,还提供了风电相关数据的推送、展示、统计功能。本文的创新点在于,目前风电功率预测大多数用的是单一模型进行预测,考虑到传统单一模型预测泛化能力较弱的问题,本文使用集成学习算法和Stacking模型融合提升预测准确性,在此基础上设计并实现了一个风电功率预测系统,扩展风电预测的应用方向。通过本文的研究,一方面可以推动风电预测模型的创新,为风电预测的研究提供新思路;另一方面,设计实现多功能的风电预测系统,不仅可以提升风能的利用率,还可以帮助相关工作人员提升工作效率,从应用的角度推动风电预测系统的发展。