风电功率的预测精度与其出力模式密切相关,然而现有的风电功率评价指标对不同出力模式的风电场采用统一的评价标准,评价结果有失公允.文章研究了不同风电出力模式对预测结果的影响,并基于研究结果为实现合理评价提供思路方法.首先提取了日尺度样本熵、样本熵超阈值天数占比以及月尺度样本熵这3个特征指标,在此基础上利用一种密度聚类算法对不同风电场出力模式进行聚类;其次针对聚类得到的若干出力模式,分别采用持续法、一次指数平滑算法、径向基函数(radical basis function,RBF)神经网络法3种常用的预测算法进行预测,以说明不同出力模式可预测性的差别;之后采用云南某地风电场集群的实际运行数据进行仿真计算,结果表明所提出的3个特征指标能够有效表征不同风电出力模式不同时间尺度下的可预测性强弱;最后给出了研究结果在风电功率预测评价上的具体应用.