风电功率预测对当前风电并网及智能电网的建设、规划及生产调度都至关重要。精准且有效的风电功率预测是发展能源互联网的必然要求。现今生活中,风电场的开机规划及供给量判断不仅要考虑季节节点及运载负荷,更要应用精确量化的风电功率预测以合理分配清洁电力供给,保证能源网络的平稳运行。风电功率的有效预测,关键在于处理风能的复杂影响因素与波动性、间歇性等特征。在能源互联网环境下,能够消除不确定性的风能概率预测方法更具实际价值。为有效降低风电功率预测中的复杂度和不确定性,持续改善风能发电功率的预测精度,优化预测成本。本文根据风能数据序列特征,提出了基于EMD与自助分位数回归的概率密度预测方法和一种结合误差修正模型的自助分位数回归概率密度预测方法。所构建模型首先运用经验模态分解(EMD)方法进行数据预处理以有效提取数据关键信息,其次将自助法(Bootstrap)、分位数回归(QR)方法与误差修正(EC)相结合,提出了考虑误差修正的自助分位数回归模型,最终以核密度估计方法来优化模型的预测性能,并完成风能源概率密度预测实验研究。结果表明,模型既给出了高精度的未来时刻预测值及其区间范围,而且获得了未来风电完整的概率密度曲线。为展示所提模型方法的优越性和稳健性,本文从数据统计方向来验证,通过概率密度预测方法所提供的均值、中位数和众数结果来评估模型的点预测效果,与此同时根据合理的区间预测评价准则对预测区间进行评价分析。本文主要利用基于EMD和自助分位数回归的概率密度预测方法进行风电功率单步预测,运用基于EC与自助分位数回归的概率密度预测方法进行风电功率多步预测。在预测过程中,同时考虑原始序列特征、滞后矩阵维度和误差分布修正以构建稳健有效的预测模型。文章使用四个历史数据集进行算例分析,包含:加拿大安大略地区2019年冬夏两季节的风电功率预测,西班牙西北部加利西亚风电场2018年不同频率冬季数据的风电预测。通过实验分析并与其他先进方法的对比,进一步证明本文提出的风能概率密度预测方法可以在降低不确定性和优化复杂度上取得均衡的同时提高预测精度。在科学研究上,本文方法提供了风电功率预测不确定性与复杂度均衡建模策略,并获取了完整的风能概率密度曲线和预测区间,较好地解决了风电能源的波动性和不确定性问题,为争取风电预测模型的实际应用和保障电力网络的稳定运行提供了有效的技术改进和突破方向。