光伏发电是目前最具商业化开发前景的新能源产业之一。受气象因素的影响，光伏系统的出力具有随机性、间歇性和不可控性，并网后会对公共电网造成冲击，增加负荷预测和电网调度的难度，影响电网的投资规划及优化设计。因此，开展光伏发电出力预测，对减轻并网带来的不良影响，实现友好并网、经济调度，提高公共电网接纳光伏系统能力具有重要意义。首先，本文以并网光伏系统为实验平台，仿真光伏电池的外部特性，分析光照强度和温度对光伏电池输出功率的影响；统计过去25个月里该平台的发电量数据和所在地的气象观测数据，详细研究气象因素对光伏系统出力的影响；引入相似日理论，提出一种确定光伏系统出力相似日的方法，即评价预测日和历史日气象条件相似度的计算模型。其次，本文建立基于BP神经网络和RBF神经网络的光伏系统中短期(30min)发电预测模型，预测三种典型日类型情况下光伏阵列在24h内的出力，统计与实际发电量的误差。实验结果验证了引入相似日理论的有效性，同时表明RBF神经网络的性能优于BP神经网络，预测结果的精度符合《光伏发电站功率预测技术要求》的规定。最后，本文根据微电网的实际运行情况，提出并网、离网两种状态下不同时段的能量管理策略，利用预测结果对微电网能量流动方向进行干预，制定蓄电池充电等调度决策，验证光伏发电预测技术在微电网运行中的实用性。