随着能源危机和环境污染问题的日益凸显,各国均致力于开发新型能源和扩大可再生能源的应用。与储量日渐减少的化石能源相比,太阳能以清洁安全、分布广泛和蕴含丰富的特点越发吸引人们的关注,光伏发电技术也因此得到了迅速的发展。但是光伏发电功率具有很强的随机性和间歇性,容易对电网造成冲击,不利于保证电能质量和电网系统的稳定。为确保电力系统运行的安全性和稳定性,光伏出力的可靠预测显得尤为重要。目前现有的预测方法常常将历史数据的所有属性都作为模型的输入,并且在相似数据筛选时,针对每个不同的输入变量在计算相似度时都同等对待,造成相似数据的筛选效果较差。另外大多数的研究集中在点预测上,得到光伏发电功率的一个确定的预测值,无法得到该预测值存在的不确定程度,得到预测结果缺乏实用性。因此本文提出一种综合使用自适应权值算、K近邻算法、K-means聚类算法、神经网络分位数回归和核密度估计的光伏发电功率概率分布估计方法。首先利用基于粒子群优化的自适应权值算法对输入变量的种类和对应的权值进行动态的确定,在选择合适的相似度衡量标准的前提下,将历史数据利用K-means算法进行聚类,针对不同的子类分别建立神经网络分位数回归概率预测模型。实验结果表明,本文的概率预测模型使用动态改变的输入变量和对应的权值,在提高了预测精度的同时,为电网规划提供了预测结果的风险信息。