随着能源短缺和环境污染问题的日益突出,光伏发电作为一种清洁的可再生能源得到了飞快地发展,但由于外界不确定因素的干扰使其具有波动性、随机性等缺点,大规模的光伏并网势必会对电力系统的安全和稳定运行造成威胁。因此,提高光伏出力的预测准确度对系统的安全稳定运行、维护电能质量和太阳能的有效利用具有重大意义。为了提高光伏出力预测的准确度,本文在研讨了国内外许多相关预测文献的基础之上,主要做了以下的工作。首先通过对光伏出力的特点研究得知其拥有随机性、周期性、非连续性及非平稳性等特点;又通过分析各种环境因素对光伏出力的干扰程度得知,其中天气状况对光伏出力的干扰最大。于是本文将天气状况分成了晴天、多云、阴天及雨雪天四种类别并分别构建对应的预测模型。然后分别基于支持向量机和基于相关向量机构建了两种单一算法的短期预测模型,利用某光伏发电站的真实发电数据对四种天气状况下的光伏出力进行预测,通过对两种方法的预测结果分析对比得知,基于相关向量机算法的模型预测效果更好,但是其预测值和真实值之间仍具有较大的误差。考虑到光伏出力数值序列的非平稳性、非线性特点以及单一算法预测模型的局限性,本文研究了一种基于经验模态分解(EMD)和相关向量机(RVM)的组合预测方法来对光伏出力进行预测。首先将历史数据按照天气状况分成四种类别,利用欧氏距离法筛选出与待预测日相像的数据,然后利用EMD将光伏出力数值序列进行分解处理,得到一定数量的不同频率相对平稳的本征模函数(IMF)分量,针对所有的IMF分量分别构建RVM预测模型,最后使用等权值求和的办法将各分量的预测值相加即能获得光伏出力预测值。本文利用国内某光伏发电站的真实数据当样本,在MATLAB软件上构建预测模型并进行实例仿真,实现对6:00～19:00之间每相隔十五分钟光伏出力的预测,由预测结果得知,相比以上两种单一的预测算法,基于EMD-RVM组合预测方法的误差及误差波动都更小且预测准确度更高,能够在各种天气状况下对光伏出力进行有效预测。