近年来,石油、天然气等传统能源日渐供应短缺,同时使用它们带来的环境污染问题也日益严重,所以风能、太阳能等可再生能源已经在世界范围内得到了重视。风力发电和光伏发电都具有难预测、难调度、难控制等特点,给电网的安全稳定带来较大的隐患。因此通过对风力、光伏发电功率的有效预测,可以给电力调度提供决策支持,使不稳定的能源变成稳定的具有较高品质的电力产品,从而最大限度地利用风光发电,降低运行维护成本。本文在对风力发电以及光伏发电预测方法进行深入研究的基础上,针对风力发电及光伏发电的发电特性以RBF神经网络来构建功率预测的模型。首先,根据灰色关联度方法找出风力发电及光伏发电最主要的影响因子作为预测模型的输入,然后通过采集张北风光储输示范工程风电场及光伏区的历史监测数据,对预测模型进行训练及测试,测试实验结果表明该模型具有一定的有效性和可行性,最后采用该预测模型设计并实现了符合风光发电特性的功率预测系统。该系统依据J2EE技术标准,运用EJB、Struts2等技术实现,能够利用现场的实时监测和气象预报数据对风光发电功率进行分析和预测,具有一定的理论意义和实用价值。