目前,中国推动的能源革命已经把新能源作为能源结构的重要组成部分,太阳能作为一种新能源已经被世界各国的光伏产业所应用。世界范围内光伏发电装机容量的年增长率正在迅速增长,光伏发电在电网中的份额持续增加。但是由于光伏发电受天气影响有较大的波动性和不确定性,不仅对电网的安全稳定运行带来了一定影响,还不利于电网调度部门协调安排发电计划,严重阻碍了大规模光伏发电并网。因此对光伏出力的准确预测,尤其是对不确定性天气的预测,具有重要的应用价值。光伏出力受天气因素影响,尤其是不确定性的天气对光伏出力影响巨大。若能准确预测出不确定性天气的光伏出力,将有利于电力部门进行风险分析和更加合理的调度。为此,论文进行了考虑天气不确定性的短期光伏出力预测研究,确定出特定天气类型影响光伏出力主要的气象因素;建立了改进人工蜂群优化径向基神经网络点预测模型,主要研究工作如下:(1)建立了Simulink光伏电池模型,仿真出光伏出力曲线并进行了各种因素影响的出力特性分析;为进一步确定影响光伏出力的不确定性气象因素,将天气类型进行分类,应用皮尔逊相关系数法,分析了每种天气类型各个气象因素对光伏出力的影响程度,依据影响程度的大小确定出每种天气类型下光伏发电功率的主要气象影响因素。(2)分析了神经网络原理并确定了RBF神经网络的结构和学习方法;为精确确定RBF神经网络的宽度?参数,引入了人工蜂群算法。基于人工蜂群算法原理和数学模型,对人工蜂群算法进行了改进,并应用了4个标准测试函数对人工蜂群算法和改进人工蜂群算法进行了寻优能力测试,得出了改进人工蜂群具有更强的优化性能。(3)建立了光伏出力点预测模型:应用权重灰色关联法确定了待预测点的相似点,并对相似点的实际光伏出力数据应用马氏距离进行了预处理,剔除了异常数据;建立IABC-RBF神经网络光伏出力点预测模型,并进行了实例仿真,通过与ABC-RBF神经网络预测模型和RBF神经网络预测模型的预测结果对比,建立的光伏出力预测模型在各种天气类型下都具有较高的精度。