太阳能作为广泛分布的间歇性可再生能源,近年来在集中电站建设和分布式能源系统方面被广泛应用。本文针对光伏输出功率不稳定的特点,结合国标对超短期功率预测的要求,提出了一种基于随机森林算法与长短期记忆网络算法的超短期预测模型。首先,通过理论知识分析了光伏功率的主要影响因素和串并联光伏阵列的特点,在此基础上采集了内蒙古大型光伏电站的实际运行数据。完成数据预处理工作后,基于数值天气预报数据,通过特征工程构造了更多有效输入特征,并运用随机森林算法对不同特征的重要性进行排序,研究了特征个数对预测准确度的影响。然后,通过改进的长短期记忆网络算法,设计“从序列到序列”的多步预测模型,利用过去12小时的历史数据预测未来4小时的输出功率。最后由实际算例验证预测模型的准确率,评价指标为预测功率与实际输出功率之间的均方根误差和月合格率。结果表明复合预测模型的均方根误差为8.81%,月合格率达到97.67%,预测效果强于该电站目前的预测模型,具有很强的应用价值。同时本文研究了对于同一预测模型,输入的特征个数对预测准确率的影响。在本例中输入特征数量为6个时,可以实现最优的预测效果。此外,本文还研究了光伏功率预测在分布式能源系统场景中的应用。将光伏发电系统、蓄电池储能系统与已有的天然气冷热电联供系统耦合,建立了分布式能源系统、冷热电联供系统和分供系统的能量供应关系和数学模型。利用能源、环境、经济等多方面评价指标,通过粒子群算法确定了在以电定热和以热定电策略的运行条件下,不同系统的最优配置组合。结果显示分布式能源系统相比现有的供能系统可以有效利用光伏电力,能够大幅度降低煤炭和天然气的消耗量,减少二氧化碳的排放量,而在经济性能表现仅略有下降,具有广泛的应用前景。