1.中国科学院计算机网络信息中心，北京 100190

2.中国科学院大学，北京 100049

3.国网河北省电力有限公司，河北 石家庄 050021

引言

近年来，我国光伏发电产业得到了极大的重视并取得了快速的发展，无论是太阳能电池的产量还是光伏发电系统的装机容量都在不断地增加[1-2]。随着分布式光伏发电系统迅猛发展，其并网会给系统的运行带来许多负面影响[3-4]。分布式光伏的出力特性具有典型的概率分布特点，也是光伏电站优化规划设计、出力预测和优化调度管理的重要基础数据。因受到光照、季节等气候环境条件和地理、时间等客观运行条件影响，分布式光伏具有间歇性和随机性的特点。因此对其进行准确地建模和特性分析是一个多影响因素的数学难题。而只有在准确预测光电出力情况下，才可以使系统获得更高的可靠性，减少其对电力系统的影响，提高电力系统运行的安全性和稳定性，充分发挥其经济性和环境友好性[5]。

目前，光伏发电系统出力预测按预测时长可分为三类[6]：①长期预测 (时间尺度＞月)；②中期预测(时间尺度 l～7 天)；③短期/超短期预测(时间尺度＜24 小时)。其中，中长期出力预测是通过利用历史气象数据和历史输出功率数据的统计分析进行预测，时间尺度大，预测相对容易。而短期和超短期预测受太阳辐射和天气等因素的影响具有波动性和间歇性的特点，难以预测。

随着人工智能的发展，人工神经网络和机器学习的方法在光伏出力预……