随着能源互联网的提出,构建含大规模可再生能源、分布式、开放共享的能源网络成为全球关注的焦点。然而实现电能替代和清洁替代,首要面临具有随机波动特性的新能源并网发电所带来的调度难题、储能难题和消纳难题。预测误差作为新能源发电不确定性的表征变量,其模型的准确性直接影响含高比例可再生能源的电力系统随机优化调度和决策方案的优劣性。相关风力发电预测误差的研究工作尚有进展,但针对光伏发电预测误差鲜有文献进行深入研究。本文以光伏发电的预测误差为主要研究对象,分析日前和日内功率预测可能带来的预测误差的分布特性和分布模型,重点研究不同数值条件对预测误差分布特性的影响,据此对误差进行聚类,建立条件概率模型,力求更为准确地描述误差分布情况。具体研究内容如下。采用方差分析、模糊C均值聚类及数值色度图等数理统计分析方法进行数值特性影响因素分析。结果表明,日前光伏出力预测误差的整体水平与天气类型、温差和气温具有相关性;每个时刻的误差大小与该时刻预测出力幅值和功率变化量具有相关性;日内光伏出力预测误差在一个小时内的采样样本存在较强的时间相关性,且各时刻误差的大小与该时刻预测出力的数值特性具有相关性。针对日前功率预测特点,本文综合考虑了气象因素和预测出力数值特性对预测误差的影响,利用模糊C均值聚类法对预测误差的整体水平进行分类,再依据预测出力的数值特性进行分区处理,建立了适用于估计误差分布的误差模型;针对日内功率预测特点,考虑时间相关性和预测出力数值特性的影响,首先依据预测误差间的时间相关性和模糊C均值聚类对时刻误差进行第一次聚类,然后依据预测出力的数据特性对时刻误差进行第二次聚类,建立了适用于估计日内光伏出力预测误差分布的模型。综合考虑基于数值特性聚类后的误差分布普遍存在的偏态性,峰度特性,以及可能出现多峰现象,本文提出了通用型高斯混合分布。通过国内外多个光伏电站的历史数据算例分析,验证了该模型较其他模型的优异性和有效性,且该分析方法不受季节、气象因素、预测算法和光伏电站地理信息的限制。