现今我国多地区雾霾污染较重,环境问题越发引人关注,仍以煤炭为主要一次能源的我国正在大力发展新能源技术与应用。分布式光伏发电利用太阳能,其清洁无污染,成为二十一世纪最具大规模开发潜力的新能源之一广受多国开发及利用。在此背景下辽宁省国家电网大力发展含分布式光伏系统在内的太阳能发电,“十三五”电源规划中指出：截止2015年末,全省电源装机规模已达到4371万千瓦,其中太阳能装机32万千瓦；而到“十三五”期末,预计装机规模5680万千瓦,其中太阳能装机将达到182万千瓦。分布式光伏系统发电出力受环境因素影响波动性强,且只能在白天有光照条件下发电,导致其具有随机性、间歇性及非线性的弊端,接入电网将对电网调度及安全运行带来较大困难。研究分布式光伏系统出力的波动特性,并能够实现系统输出功率预测对分布式光伏的运用及发展至关重要。然而目前针对光伏发电功率预测的研究大都着重于对预测算法的优化,而缺乏对输入信息本身地研究。研究针对辽宁地区分布式光伏系统,以“沈阳农业大学光伏示范电站”为案例,首先基于太阳辐射照度模型,针对辽宁地区分布式光伏系统大多采用固定光伏组件的特点,将平面上的辐射照度转换为具有特定倾角及朝向的组件平面所接受的辐射照度,建立了更为精准的分布式光伏系统确定性出力模型。并通过引入光伏出力遮挡因子ηt仇将不同天气类型、温度、风速等环境因素对光伏出力的影响进行量化分析,得出分布式光伏系统发电出力在不同环境因素影响下的波动特性,确定预测模型的输入信息。最终建立了基于BP神经网络的分布式光伏系统短期发电功率预测模型,实现了在不同天气类型下对分布式光伏系统发电出力更为精准的预测,并大大提高了在天气类型变化日中对光伏系统输出功率预测的精度。研究设计的预测模型可作为辽宁地区分布式光伏系统发电出力的有效预测模型,为电力管理部门对分布式光伏系统并网运行制定更合理的调度方案提供支持。