由于光伏发电功率具有波动性和间歇性,大规模光伏发电系统并网会对电力系统的安全稳定运行造成不利的影响。因此,光伏发电功率短期预测有利于电力系统调度部门实时调度和常规能源的发电规划,减轻光伏发电系统接入对电网的不利影响,保证电网的安全稳定运行。本文首先介绍了光伏发电的背景及意义以及光伏发电功率预测的国内外研究现状。描述了光伏发电系统,分析了常见的光伏发电短期功率预测方案,概括了预测的评价指标。在传统的预测方案中,只考虑了太阳辐射强度、环境温度以及风速对光伏发电功率的影响,采用单一模型进行预测,导致了预测精度不高。本文验证并分析了单个气象因素和天气类型对光伏发电功率的影响。经研究分析发现,光伏发电功率的气象影响因素具有多样性,湿度、能见度等气象因素对光伏发电功率的影响也是不容忽视的。在不同天气类型下,气象因素对光伏发电功率的影响程度是不相同的,采用单一模型对光伏发电功率进行预测,难以适应复杂多变的天气状况。针对传统的预测模型只考虑太阳辐射强度、环境温度和风速对光伏发电功率的影响,采用单一预测模型预测精度较低的问题,本文提出了基于BP神经网络的光伏发电短期功率预测方案,利用了改进的BP神经网络算法,采用多模型对光伏发电功率进行短期预测,并充分考虑了光伏发电功率的气象影响因素。最后,对基于BP神经网络的光伏发电功率短期预测方案进行了预测评价。根据光伏发电系统实例,分别对光伏发电功率短期预测模型进行了训练和测试,并进行了误差分析。预测结果表明,充分考虑了诸多气象影响因素的模型的预测精度有了较大的提高。多模型的天气预测方案较单一模型的预测方案在预测精度方面有了较大的提高,该预测模型还解决了基于传统BP神经网络算法的预测模型迭代次数高、收敛时间长的问题。