齐 琦，陈芳芳，赵 辉，赵 玉

(1.云南民族大学 电气工程学院,昆明 650000;2.国家电网供电公司配电运检室，黑龙江 伊春 153000)

0 引言

化石能源为人们带来了效益，但是也产生了环境污染。同时，不可再生能源的资源是有限的，根据推测，能源将在40年内消耗殆尽，这促使人们不得不将寻找可代替的环保能源当作迫在眉睫的事。在电力系统的实时动态平衡中，光伏出力系统占据了很重要的部分，因此对它的出力进行预测是很有意义的[1]。根据查阅文献，了解到适用于光伏发电预测方法有很多，主要有以下几点：

卡尔曼滤波法目前广泛应用在信号的处理与系统控制领域，计算机应用中也经常会出现[1-2]。文献[3]利用卡尔曼滤波的方法对结构损伤行为进行预测，经过算例验证分析，可以验证这种预测方法的应用有效可靠。支持向量机是新型的机器学习方法[4]。文献[5]在进行研究时，发现了支持向量回归机有超参数的问题，提出了一种混合改进的布谷鸟搜索算法，并随机选取了风能数据进行预测训练，结果表明预测模型提高了预测精度与输出结果的稳定性。文献[6]建立了灰色预测模型，灵活地提高了建模精度。文献[7]在对光伏发电功率进行预测时，分别建立了3种预测模型，输入实验数据进行预测后发现，EMD-GA-BP的预测效果更好。文献[8]选择GA-BP预测模型作为最终预测手段，结果证明相对单一BP网络模型，该预测模型稳定性更好，误差较小。文献[9]在对光伏出力预测进行研究时，分析不同的天气类型，建立预测模型。……