从统计学角度分析了条件概率分布差异对随机决策的重要性，提出了一种基于分布函数微分的风电预测误差气象条件概率建模方法。通过改进的K－means算法对气象数据进行聚类，目的是最大化预测误差概率分布的总体差异，并根据聚类结果将风电预测误差数据划分为方框。利用广义分布拟合不同气象模型的误差概率密度，得到风电预测误差的分析气象条件概率分布。利用支持向量机实现气象模式识别，为基于数值天气预报的调度计算提供相应气象模型下的误差条件概率模型。以中国一座风电场塔的历史数据为例，验证了该方法的有效性，与不考虑天气的简单统计频率模型相比，该模型能有效提高系统的风电消耗水平。