光伏发电具有波动性和间歇性,随着分布式发电的大规模并入电网,对电网的调度和电能质量均产生了影响,给电网的稳定运行带来了很大的挑战。光伏出力预测是有效解决这一问题的有效方法,而光伏集群预测能有效的为电网管理提供数据支撑并增强其管控能力。本文围绕这一研究目标开发了分布式光伏电站气象数据检测和传输系统,为光伏电站出力预测提供数据来源,然后研究了光伏电站集群预测方法。光伏电站的出力与气象因素紧密相关,很多电站没有条件提供高质量的数据,针对此问题,文中参照国家电力行业标准和技术指标,依托云平台技术和嵌入式技术,研发了一款光伏电站气象数据监测传输系统,该系统包含气象检测终端和数据传输终端,数据检测系统可以通过Zigbee协议,将数据传输给RTU,RTU将通过以太网将数据传输至云端存储,在云端可以通过网页在线显示采集的数据,并且进行可视化处理,增强系统的扩展性以及数据的管理能力。为集群电站出力方法的应用提供了在线监测,同时为光伏出力预测提供了气象数据基础。用四种统计相关性参数,从不同气象因子与电站出力的关系、邻近电站间的出力、非邻近电站间的出力情况以及电站不同天气类型进行分析,验证了个相关性参数的性能,结合电站出力数据,表明采用余弦相似度表示电站间的数据相关性,可以反应电站间数据量的波动情况,同时可以很好的反应电站数据间非线性相关性。针对传统电站出力预测时仅考虑时域的分析,缺少对频域特征的分析,建立了基于CEEMDAN和贝叶斯方法的单场电站组合预测模型,利用最大相关最小冗余原则选取集群中的代表电站,并结合相关系数和权重因子进行集群出力预测。前者发挥了组合方法的特性,为电站的特征的分析以及出力预测提供有效的手段,后者通过准则选取的电站可以涵盖更多的地理位置信息,同时减少冗余的信息。通过实例验证,将得到的预测值与集群内所有电站出力叠加值的对比,得到集群出力预测值的绝对误差为2.1%,均方根误差为3.6%,对比预测叠加值的结果,此方法可以将平均绝对误差降低3.3%,均方根误差降低3.8%,得到比较准确的集群电站的预测值。本文研制的光伏电站气象数据监测传输系统实现了光伏电站出力数据的有效管理,具有高精度以及适用性强的特点。在光伏出力相关性的基础上,提出了一种光伏电站不良数据的识别以及重构方法。基于EMD的方法,建立了基于CEEMDAN和贝叶斯神经网络组合方法的单场预测模型,采用相关性准则进行集群的代表点选取,该预测方法能有效的降低集群电站预测叠加值的误差,提高精度,丰富集群出力预测的手段。