目前随着大规模的光伏发电系统应用日益广泛，也出现了越来越多的问题。由于太阳辐射量同季度、昼夜及阴晴等气象条件有关，造成光伏发电系统输出功率间歇性和随机性的固有缺点，而且目前存在储能技术不成熟等因素，当大量的光伏发电系统接入电网时，势必会对电力系统的安全稳定运行和电能质量等带来严峻挑战，从而限制光伏发电的发展速度和规模，所以对光伏发电系统输出功率进行预测对于电力系统运行具有非常重要的意义。在此背景下，选择并网光伏电站输出功率预测方法主要研究内容，主要包括以下几个方面：首先运用统计学方法来分析太阳辐射量的时间序列特性。根据气象数据，对不同的气象条件按照日类型进行分类，对不同的日类型，建立相应的预测模型;对不同日类型的预测模型，利用Mallat算法分离出太阳辐射量序列中的低频成分和高频成分，运用递推最小二乘法分别建立低频和高频分量的预测模型，把各分量的预测结果合成得到最终的预测值。形成了基于递推最小二乘法和Mallat算法的逐日太阳辐射量预测模型。利用实测数据验证了在日类型基础上，建立的逐日太阳辐射量预测模型的有效性和实用性。其次，对各种气象影响因素进行合理的选取和处理，根据相似气象条件下的光伏阵列输出功率具有较大关联性的特点，本文提出采用灰色关联度的相似日选择方法，设计了基于相似日选择的径向基神经网络预测模型。利用我国西北某地光伏发电系统中的实测数据验证了模型可行性及实用性。