可再生能源的开发和利用是当前能源领域的热点,由于太阳能具有资源储量大、清洁、可持续、获取方式直接等特点,因此将光伏发电系统集成到电网中,成为了可持续能源结构转变、减少发电过程碳排放的基石。同时,光伏系统接收到的实际辐照度具有波动幅度大、不确定性强的特点,导致其输出功率具有明显的随机波动和间歇特性。电网主要采取增加储能装置、利用可选电力负荷和进行光伏发电功率预测的方法来应对光伏发电系统的随机波动和间歇性。在极端情况下,还可以通过切断与电网的能量连接,例如弃光来减少其对输配网的影响。随着对可再生能源调控技术和需求侧响应的不断优化,光伏发电短期和超短期预测成为了当今电网调度的重要参考之一。光伏发电功率的影响因素众多,包含气象因素、光伏组件特性和太阳辐照度等。在光伏发电功率预测中,必须考虑的一个影响辐照度的主要因素是云层类型识别。而传统的光伏发电功率预测方法无法有效地检测和识别到云层,因此有必要开展相关的研究工作。为了综合考虑相关因素,首先需要检测不同类型的影响因子,因而产生了多种不同类型的数据源,为了排除干扰和综合利用多源数据信息,本文提出了一种基于多源数据的光伏发电功率预测模型。本文的研究对象是“考虑云层部分遮挡的光伏发电区域系统”。首先通过主成分分析法对影响光伏发电功率的多种因素即多源数据进行降维,提取出主成分以保留大部分的原始信息,作为后续研究的预测模型的输入源之一。接着介绍了云层检测算法,提出了一种新的“网格云分数法”进行云层识别以及云层位移检测,构建了一种包含数值天气预报数据和云图信息,并且考虑局部云层阴影遮挡情况的总辐照度预测模型。最后,将单点子区域的光伏发电功率预测扩展到区域光伏发电功率预测,基于上述处理后的多源信息建立支持向量机回归函数的区域光伏发电功率模型。对实验结果建立相关评估指标,使用光伏发电系统的实际运行数据进行验证,证明了模型的可靠性。