A medida que la tasa de penetración de la energía eólica en la red continúa aumentando, la predicción de la velocidad del viento juega un papel crucial en los sistemas de generación de energía eólica. La predicción de la velocidad del viento ayuda a optimizar la operación y gestión de la generación de energía eólica, mejorando la eficiencia y la fiabilidad. Sin embargo, la velocidad del viento es un sistema no lineal y no estacionario, y los métodos estadísticos tradicionales y los algoritmos inteligentes clásicos tienen dificultades para hacer frente a las condiciones de operación que se actualizan dinámicamente en función de los datos muestreados. Por lo tanto, desde la perspectiva de optimizar los algoritmos inteligentes, se investigó un modelo de predicción de la velocidad del viento para parques eólicos. En este estudio, proponemos el algoritmo del Sistema de Aprendizaje Amplio Determinista (DBLS) para la predicción de la velocidad del viento en parques eólicos. Aborda de manera efectiva los problemas de saturación de datos y mínimos locales que a menudo ocurren en la modelización de sistemas en tiempo continuo. Para adaptarse a la actualización continua de los datos de muestra, mejoramos la entrada de muestra del Sistema de Aprendizaje Amplio (BLS) utilizando una entrada de ancho fijo. Cuando se añaden nuevas muestras, se elimina un número equivalente de muestras antiguas para mantener el mismo ancho de entrada, asegurando la capacidad de captura de características del modelo. Además, construimos un conjunto de datos de muestras de velocidad del viento de 10 parques eólicos en la provincia de Gansu, China. Basándonos en este conjunto de datos, realizamos experimentos comparativos entre el DBLS y otros algoritmos como Random Forest (RF), Regresión de Vectores de Soporte (SVR), Máquinas de Aprendizaje Extremo (ELM) y BLS. El análisis comparativo de diferentes algoritmos se llevó a cabo utilizando el Error Cuadrático Medio (RMSE) y el Error Porcentual Absoluto Medio (MAPE). Entre ellos, el algoritmo DBLS mostró el mejor rendimiento. El RMSE del DBLS osciló entre 0.762 m/s y 0.776 m/s, y el MAPE del DBLS osciló entre 0.138 y 0.149.