近年来,光伏发电技术发展迅速,发电成本不断下降,光伏并网容量逐渐增加。但是,由于光伏系统输出功率受到多种气象因素的影响,输出功率具有不确定性和不稳定性,光伏并网给整个电网的电能质量和电网电力安全均带来一定影响。优化调度、安全运行电力系统需要光伏电站能较为准确的预测光伏系统的日瞬时发电功率及日累计发电功率。选择光伏预测模型作为研究内容,结合气象数据作为输入,具有一定的学术价值和现实意义。本文首先探究影响光伏输出功率的几个气象要素,通过历史发电数据和气象数据直观分析太阳辐射强度、大气温度、相对湿度、风况、天气类型与光伏发电功率的关系。然后利用相关系数法对气象要素与光伏输出功率进行相关性分析,定量得到各气象要素对光伏输出功率的影响权重,选取太阳辐射强度、大气温度为主要气象要素,相对湿度为次要气象要素,为建立光伏预测模型提供理论与数据基础。本文先后阐述了多元线性回归、支持向量回归、灰度理论以及BP神经网络的基本理论,对模型的各项参数以及模型的建立过程等内容进行了详细地阐述与分析,在相关性分析的基础上,综合利用光伏系统输出功率的历史数据、气象因子等影响因素作为数据输入样本,在Matlab环境下,基于四种算法分别建立了对应的预测模型。然后利用光伏电站历史数据分别对四种预测模型进行误差分析,预测结果表明除了灰度理论,其余三种方法都能较为准确的预测光伏输出功率,其中,支持向量回归模型预测精度最高,稳定性最好。最后,利用支持向量回归方法,分别对晴天、多云、阴天、雨天气象条件下的光伏输出功率进行预测,将预测值与真实值进行对比。结果表明,本论文所建立的模型具有较好的预测能力,能达到较高的预测精度。