目前,光伏发电技术持续发展,分布式光伏装机容量日益增加,光伏发电的随机性和间歇性已经成为制约光伏发电发展的重要因素,大范围分布式光伏发电并网的形成与应用对电力系统的安全可靠运行提出了一系列挑战。若能够实现对分布式光伏发电功率的精准化、高效化预测既能够帮助调度机构及时合理地修改调度计划,尽量避免出现"弃光限电"的现象,还能够进一步提升此发电模式的被认可率,为全国范围内大力推行和使用太阳能提供良好基础。由此可知,及时准确地预测分布式光伏发电功率预测至关重要,可以为调度中心开展工作提供有益指导,使得分布式光伏发电预测偏差得到有效控制。本文根据区域分布式光伏发电功率预测的研究现状,首先,针对代表分布式光伏发电,挖掘预测输出之间的时序性及相关性,将数值天气预报(NWP)数据作为样本,通过当前备受业内人士青睐的谱聚类方法,以及当前应用比较广泛的循环神经网络法建立了一个科学合理、严谨规范的预测模型。第一步,需要结合辐照度的发展规律,通过操作简单且当前应用热度比较高的谱聚类方法完成对NWP信息的合理分类。第二步则需要面向各组数据,通过先进成熟的循环神经网络技术创建一个严谨规范且简单易懂的预测模型。第三步,在进行预测的过程中,首先需要对NWP数据的类别进行科学合理地判定,而后通过已创建的模型展开预测分析,由此获得相应的结果。其次,本文研究了区域预测建模技术,在建立上述功率预测模型的基础上,提出了基于少数代表分布式光伏发电的统计升尺度方法。首先按照相关标准和要求对某范围内的分布式光伏发电予以了科学合理的区域划分,其次选取各区域内最具代表性的分布式光伏发电,通过权重系数等计算确定子区域预测出力,最后通过累加处理得到完整区域的预测功率。并通过等效容量的方法对相关分布式光伏发电作了进一步探讨和分析,以此促使区域预测的精准性得到有效保障。通过仿真分析可知,该方法可以实现区域分布式光伏发电功率预测建模,预测结果精度满足功率预测的工程应用要求。与传统的区域预测累加法相比,统计升尺度方法可节约计算资源,缩短建模时间,减少区域预测模型对单个光伏电站数据完备性的依赖,具有很高的工程实用意义。