随着光伏发电产业的发展,相关技术水平提升,并网光伏发电成本大幅降低,太阳能转化效率也得到了提高。此外,由于面临严峻的环境能源形势,光伏作为传统能源的替代,得到了各国政府的政策支持。但是光伏发电功率受到自然环境的影响,具有间歇性、波动性。大规模的光伏并网会对电网的稳定性造成冲击,因此,准确及时的光伏发电功率预测,有利于电网更加灵活地对光伏能量进行管理,是并入大量光伏发电电源电网安全稳定高效运行的重要保障。本文首先分析影响光伏发电的因素,确定模型输入向量,确定误差评价指标,建立了基于具有遗忘机制的在线贯序极限学习机算法的短期光伏发电功率预测模型。该模型能够快速及时的更新训练数据,及时将最新数据作为训练数据作为模型的训练数据,并能够剔除过时历史数据的不良影响,仿真算例表明其有效性与快速性。其次,本文建立了基于梯度提升决策树算法的短期光伏发电功率预测模型,该算法是一种将若干结构简单的决策树,通过梯度提升的集成起来的算法。由于在训练前不需要对模型结构进行预设,决策树能够通过数据集特点调整自身结构,能够很好地拟合非连续函数关系,适用于光伏功率预测的场景,仿真算例表明,在各种光照强度条件下,该预测模型都具有较高的准确性。最后,针对单点光伏发电功率预测的误差无法消除,且给出的信息量不足的问题,本文在单点功率预测的基础上,对误差进行统计,估计误差的概率分布函数,进而计算给定概率时的光伏功率区间。同时给出评价区间预测性能的指标,该区间预测模型能够达到增大提供给电网决策者的信息量,提高准确度的目的,仿真算例表明了该区间预测模型的可靠性和精确性。