近年来，随着对可再生能源需求的日益提高，太阳能光伏发电技术得到了迅速的发展，进而太阳能光伏发电作为一种重要的分布式电源正逐渐从独立系统向大规模并网方向逐渐被人们所利用。大规模光伏发电系统的应用也日益广泛起来，但也随之出现了很多问题。与常规电源不同的是，光伏电站属于能量密度低、稳定性差、调节能力弱的电源，其输出功率受天气及地域的影响比较大，具有波动性和间歇性的特点。光源的瞬间变化就会引起光伏电站发电出功率的急剧变化，而且考虑到储能技术上的不成熟等因素，当大量的光伏发电系统接入电网时，势必会对电力系统的安全稳定运行和电能质量等带来严峻挑战，从而限制光伏发电产业的发展当光伏发电占比超过15%时，可能造成电网瘫痪，对传统的火电、水电进行调节代价又非常大，因此，需要加强光伏发电功率预测的研究，预先获得光伏发电系统的日发电量曲线，以便制定合理的发电计划，减少光伏发电的随机性对电力系统的影响。

通过光伏发电功率预测技术的研究应用可以实现以下目的：（1）为光伏电站的运行提供服务。借助光伏发电功率预测的数据，可以为光伏电站合理的安排检修计划提供辅助分析决策的手段，进而提高发电量以及竞争性。（2）为电力系统运行服务。通过光伏发电功率预测技术，有助于电网调度机构及时制定合理的日运行模式，提高电网的安全性和稳定性，同时降低因光伏发电并网而额外增加的旋转设备容量，改善电网运行的经济性。

目前，国外以欧洲、日本等国家的光伏发电系统输出功率预测技术研究已有一定的进展。丹麦ENFOR公司开发的SOLARFOR系统是较具代表性的光伏发电输出功率预测系统，利用自适应的统计模型对光伏发电系统的短期（0~48h）输出功率进行预测。意大利Jijel大学Adel Mellit利用两种人工神经网络模型（太阳辐照量和气温作为网络输入）对系统输出功率进行预测。西班牙Joen大学Almonacid等采用神经网络方法，求解出逼近实际工况的电流-电压曲线，建立了光伏发电量与太阳总辐照量、光伏电池板温度之间的函数关系。印度Sudipta Chakraborty等人利用模糊自适应谐振网络预测每小时的日类型信息，然后由日类型信息计算光伏阵列的输出功率。日本Ryukyus大学Atsushi Yona等人将前18小时温度、气压、相对湿度、风速等作为神经网络输入，得出光伏发电系统输出功率。目前国内对光伏发电系统输出功率预测技术尚处于理论性研发阶段。华中科技大学陈昌松等人利用BP神经网络、径向基神经网络方法等，建立了基于逐日天气预报信息的光伏发电阵列输出功率预测模型。东北电力大学兰华等利用自回归滑动平均模型（ARMA）对东北某光伏电站的输出功率进行预测研究，具有一定的代表性和可行性。华北电力大学栗然等人建立光伏组件数学模型，利用光伏发电系统仿真建模软件Homer模拟仿真了30MW光伏电站输出功率数据，利用支持向量机回归分析方法，进行输出功率预测。

2. 研究的基本内容与方案

研究内容为：光伏发电功率输出的影响因素，分析光伏发电预测方法。可根据预测物理量、数学模型、数据来源和时间尺度等进行分类，比较常用的预测方法如图1所示。