在能源需求与环境需求这一矛盾逐渐加剧的今天,以太阳能为代表的可再生能源逐渐受到人们的青睐。太阳能具有清洁无污染、储量丰富等优点,大力发展光伏产业对缓解能源危机、对环境改善具有十分重要的意义。然而光伏发电具有间歇性和不确定性,大规模光伏并网势必会对电力系统造成冲击,因此对光伏输出功率进行准确的预测是一项非常重要的工作。目前常规预测方法各有局限,不能在所有情况下都具有良好的预测效果,为此,本文构建了一种基于最优加权组合的短期组合预测模型,并对组合预测模型中各个子预测模型的参数优化问题展开了研究。首先,分析光伏输出功率的特性及影响因素。采用灰色关联度方法计算各个气象因素与光伏输出功率的关联度,确定了关联度较大的几项气象因素作为输入对象。并使用小波变换对气象数据进行降噪预处理。然后,引入三种改进策略优化马群算法（Horse herd Optimization Algorithm,HOA）得到混合改进马群优化算法（HIHOA）。采用4个测试函数对HIHOA进行测试,并同其它几种算法进行对比。结果表明HIHOA的寻优能力优于其他算法。其次,分析最优加权组合预测原理,设计了融合多个子预测模型的组合预测模型。采用HIHOA对支持向量机（Support Vector Machine,SVM）的惩罚参数和核函数参数进行优化,搭建了基于HIHOA-SVM的子预测模型。采用Adam算法对基于长短期记忆网络（Long Short-Term Memory,LSTM）模型的权重和偏置进行优化,搭建了基于Adam-LSTM的子预测模型。在分析两种子预测模型各自的优势及劣势这一基础上,设计并搭建了一种基于最优加权组合的光伏输出功率组合预测模型。最后,分别采用HIHOA-SVM子预测模型、Adam-LSTM子预测模型对不同天气类型下的光伏输出功率进行预测,结果表明两种子预测模型在不同天气类型下的预测效果各有优劣。以连续的三天为例,在单独使用子预测模型与使用组合预测模型的条件下,分别进行光伏输出功率预测。结果表明组合预测模型的平均绝对误差百分比低于10%,并且比单独使用任一子预测模型的预测效果都好。验证了所构建的组合预测模型在光伏输出功率预测方面的可靠性。