风电大规模并网缓解了我国能源压力并带来了巨大的经济和环境效益,是目前技术最成熟、最具规模化开发条件的可再生能源。然而,风电作为一种间歇性电源,其大规模并入电网势必增加系统运行控制难度,加重系统备用负担。因此,对风电场及风电场群输出功率进行预测具有十分重要的意义。短期风电功率预测一般是对未来24小时-72小时风机或风电场的有功功率进行预测,预测结果可用于优化常规机组出力及系统备用配置,提高系统运行的安全性和经济性。根据预测结果的不同,短期风电功率预测方法可以分为单点值预测和概率式预测两类方法。单点值预测方法是对未来某时段风电功率最大可能出现值进行预测,目前预测误差(以48小时的归一化平均绝对误差为例)多在15%-40%之间。由于单点值预测方法无法提供风电功率预测的不确定性信息,近年来,概率式预测方法得到越来越多的重视和研究,该类方法不仅能够预测未来时段风电场输出功率的期望值,还可以给出预测误差的分布信息,为含有风电场电力系统的运行风险评估和风险决策提供重要参考。目前,短期风电场输出功率概率式预测方法存在以下几点问题：①预测精度需要进一步提高,包括期望值预测精度、分布预测精度等；②已有方法多是逐时段进行的风电场输出功率概率预测,没有考虑风电场输出功率各预测时段间的关联特性,即风电功率时域相关信息被忽略；③同一区域内包含多个风电场时,针对单一风电场进行功率预测,忽略了多个风电场输出功率预测误差之间存在的动态时空关联特性。本文首先利用支持向量机对单一风电场的输出功率进行单点值预测,对预测误差建立稀疏贝叶斯学习模型进行误差的概率密度预测,进而建立了一种基于误差校正的风电场输出功率的边际概率密度函数参数式预测方法；其次,对风电场输出功率预测误差特性进行统计分析,发现各时段之间存在关联关系,进而求取相关系数矩阵量化分析风电功率预测误差时段间的相关关系,并结合边际概率密度函数预测得到一种短期风电功率多时段联合概率密度预测方法；进一步分析同一区域内多风电场输出功率预测误差统计特性,发现预测误差之间存在线性时空关联特性,进而运用一种动态条件相关回归模型求得相关系数矩阵,定量描述多风电场短期输出功率预测误差之间的动态时空相关关系,最后,综合单一风电场输出功率边际概率密度预测结果和动态相关系数矩阵得到多风电场输出功率的联合概率密度函数,并借助多元随机变量抽样技术形成包含动态时空关联特性的多维场景。通过实例分析,表明所提出方法的有效性。