传统化石燃料的大量开采和使用,不但造成了严重的环境污染问题,而且还会使我们面临着能源枯竭的威胁,而太阳能、风能等可再生能源凭借清洁性、灵活性、永久性的特点,能够很好地弥补传统化石能源的不足。因此,发展和利用好可再生能源成为许多国家的重要战略。在刚刚发布的“十四五”规划纲要中明确提出要大力发展光伏产业,推进光伏发电全面实现平价无补贴上网,努力使光伏发电成为完成“绿色中国”的重要抓手。但是由于光伏发电功率数据存在的波动性和随机性的特点,传统的单一经典预测模型不能很好地完成复杂状态下的预测任务,会导致较为严重的误差,影响光伏发电工作的开展。本文首先在现有机器学习模型的基础上提出了一种基于数据预处理方法、线性及非线性单一经典模型、多目标优化算法的混合模型,使用了时变滤波的经验模态分解（TVFEMD）对数据进行去噪,并使用了差分自回归滑动平均（ARIMA）、BP神经网络（BPNN）、极限学习机（ELM）以及埃尔曼神经网络（ENN）组成预测模块;最后使用了多目标蝗虫优化算法（MOGOA）确定混合模型之中每个单独模型的权值,并通过公开数据集验证和测试了该模型的有效性。其次,在混合模型的基础上基于Java Web开发、My SQL数据库等技术研究开发了光伏发电功率预测系统,该系统主要有数据采集、光伏发电功率预测以及历史记录查询功能,并以截图形式展示。用户可以自主上传数据,并可以对数据进行数据清洗等预处理操作,然后可以对数据进行预测并将结果上传至服务器,最后还可以查询历史预测记录并将查询结果以图片形式呈现。综上所述,本文致力于研究提高光伏发电功率预测精准度的预测方法,用来弥补单一经典模型在光伏预测方向的不足,以及开发出预测精度高、泛化性强的光伏功率预测系统。做好这些工作一方面可以帮助电力工作人员做好用电调度决策,提高电网系统的稳定性和可靠性;另一方面也可以适时让光伏发电承担更多的任务,改善能源结构,减少传统化石燃料对环境的污染,争取如期实现2030年前碳达峰、2060年前碳中和的目标。