基于我国现阶段的基本国情可以知道,国家科学技术的发展和社会的进步都离不开良好的自然环境,因此环保工作需要予以足够重视。太阳能作为清洁能源之一其来源广泛且无穷无尽,又具有清洁无污染的特点,正逐渐走进我们的生活成为二十一世纪最具大规模开发潜能的能源之一。分布式光伏发电是太阳能的一种主要的和有效的利用方式,我国的分布式光伏尽管与西方国家相比起步较晚但发展迅速,总的装机容量在2015年就达到了 43GW且其中包含新增装机容量16.5GW,处于全球领先,分布式光伏发电有巨大的发展前景和研究价值。分布式光伏发电的出力情况受自身特性和结构影响具有间歇性、周期性、波动性和随机性的特点,并入电网时会影响电网的安全稳定并增大电网调度难度。掌握光伏发电的出力特性并进行合理有效的预测有助于更好了解和运用光伏,有助于相关电力部门制定发电计划和调度计划并同时减少光伏并网不稳定性,对光伏发电的发展具有重大意义。本文就现阶段国内外对于光伏发电输出功率预测方法的研究中大多存在输入量确定方法繁琐、模型训练用时较长等问题,提出一种改进输入量和优化预测模型结构并存的光伏发电出力短期预测方法。首先对影响光伏出力的主气象因子做了单一相关性分析和复合相关性分析,并采用通径分析的方法将影响因子分为直接影响层面和间接影响层面进而进行分析,这种分析的结果更具有可参考性和实用性。第二,利用主成分分析的降维原理将多数几个彼此存在相关性关系的原始变量降维成少数几个的彼此相互独立的变量作为神经网络的输入;同时利用遗传算法的全局搜索特性对光伏出力的预测模型进行优化,具体途径是改进预测常用的误差前向反馈传播神经网络的权值和阈值以弥补其易陷入局部极小值点和收敛用时较长的不足。最后通过辽宁地区某分布式光伏示范基地的实例数据在稳定型和突变型天气下的预测结果分析,得出研究中所提方法具有更高精确度和更快收敛训练速度的结论,所建立的光伏出力预测模型可以很好地针对辽宁地区的气候及地理位置条件进行功率预测,进而更好地为辽宁省分布式光伏发电助力,为相关电力部门制定发电计划和调度计划提供依据。