目前,随着经济社会发展不断深入,传统能源的消耗在持续增长,而因污染性能源的使用,环境也日趋恶化,能源供给和环境恶化危机在世界范围内爆发。于是,可再生能源和电动汽车应运而生,成为世界各国力捧的“宠儿”。由于新能源发电的不稳定和电动汽车负荷的增加,必然会对微电网产生不利影响,引发新一轮的电力问题。因此,新能源的发电功率和电动汽车充放电的预测对电力系统的安全稳定运行就显得至关重要,本文从光伏发电和电动汽车充放电预测两个方面进行研究。一方面,针对光伏系统的发电特性,本文提出了一种使用关联规则和核主成分分析的Elman神经网络光伏功率预测方法。首先,采用灰色关联分析法选取与预测日气象特征高度相似的若干相似日作为训练样本;其次,利用核主成分分析法对训练样本的输入个数进行降维优选,提取出主成分序列;然后,利用蚁群算法优化的Elman神经网络对数据进行预测;最后,针对Elman神经网络预测模型在功率波动的峰值处预测误差较大及预测精度存在波动性,采用马尔科夫方法对初步得到的预测值进行修正,得到最终的预测结果。另一方面,针对电动汽车的充放电随车主的行为在时间与空间上具有很强的随机性,提出一种考虑不同充电方式比例下的电动汽车负荷预测模型。首先,在空间上将充电区域按照区域功能划分为办公区、住宅区以及娱乐区;其次,随机抽取电动私家车来往于不同地点的日行驶距离,计算电池的荷电状态;然后对需要充电的车辆判断其充电方式,根据充电方式抽取起始充电时间;最后,采用蒙特卡洛算法统计私家车在不同要求下的负荷。验证了电动汽车的充放电与车辆的规模、空间分布、用户的充电行为和充电方式有很大的相关性。