太阳能是一种清洁、可持续的能源。中国太阳能资源总量丰富,具有巨大的应用前景。精确的光伏功率预测有利于促进太阳能的高效利用,保证电力系统的安全、稳定与经济运行,对推动能源转型具有积极意义。为了满足未来大规模分布式光伏接入的趋势,进一步提高可再生能源的利用消纳水平,预测模型需要能够满足大跨度地理区域的光伏功率预测需求。概率化的预测相较于点预测能够为电力系统的运行提供更加全面的预测信息。因此进行区域光伏功率概率预测具有重要的现实意义。本文总结了近年来国内外相关领域的研究进展,进行了区域光伏功率概率预测的相关研究,主要工作包括:（1）基于实际站点的历史天气与光伏功率数据,利用泛化交叉验证方法分析了影响光伏功率的主要因素,并进行数据预处理。建立了一种基于多元自适应回归样条法的短期光伏功率预测模型。通过与人工神经网络、支持向量机进行性能比较,验证了该模型的优异性能。（2）综合考虑区域光伏功率预测的空间特性与时间特性,以欧几里得距离和动态时间规整方法中的规整距离为基础,提出了一种综合的时空相关性指标,并与斯皮尔曼相关系数进行了对比,结果表明该指标更适用区域内相似光伏电站的选取。（3）基于深度学习领域的神经网络结构,建立长短期记忆网络预测模型进行区域光伏功率预测。基于区域实际光伏功率数据,验证了上述模型的有效性。（4）构建了一种基于Copula函数的光伏功率概率预测模型,实现了根据光伏功率点预测获得其概率预测,根据不同的置信水平计算相应的概率输出范围,并使用了一年四季12个典型日数据验证了概率预测算法的有效性。