在全球科技与经济发展的推动下能源消费需求也随之急剧增长,并且伴随着极端天气和雾霾的频繁出现,传统能源的弊端越来越突出,人们对低碳的追求和新能源开发利用的渴望也愈来愈强烈。在物质利益与能源节约的权衡与取舍中,太阳能凭借免输送,零污染,无噪声以及取之无尽、用之无绝的优势,使其在新兴能源领域中的地位尤为凸显。灵活高效的分布式光伏发电系统是太阳能应用领域中普及面最广的一个重要分支,但是当其并入电网运行后,光伏系统出力易受光能波动性、间歇性、随机性等影响使其成为一个不可控源,对电网的高效、安全、稳定运行带来严峻挑战。通过将提前预测出的光伏发电功率作为基准,来制定发电计划、及时判断系统运行情况并作出相应解决措施,是最终保障电力系统可靠、持久、稳定运行的有效举措。本文以提高光伏发电输出功率预测模型的精度和运算速率为目的,在潍坊某电力科技公司的分布式光伏发电系统及其数据采集平台的基础上,利用LabVIEW编写数据监测平台来实时显示并保存光伏数据与气象数据。对采集到的实验数据进行分析与处理后,用改进的IHCMAC算法搭建光伏发电输出功率预测模型。主要研究工作如下:1.探索分析光伏发电系统组成结构及特性。利用Matlab软件搭建太阳能光伏电池数学模型,并得到其输出特性。借助本地微型气象站采集的气象数据和光伏系统的功率数据,从理论上分析光伏系统输出功率与各要素的相关性关系,排除不必要因素对预测结果的干扰。2.利用LabVIEW软件搭建分布式光伏发电系统监测平台。开发具有数据采集、显示、预测与保存功能的监测平台来实时观测光伏系统运行状态和气象条件的变化。为便于后续预测工作直接调用,将数据保存为Excel格式。该监测平台预测功能模块输入参数的获取也是通过调用已保存为Excel格式的历史实测数据实现的。3.构建实时监测数据的分析与处理模型。借助历史数据对光伏系统输入输出因素进行关联性分析,获取预测模型的主要影响因素,并使用均值填充法、GESD算法、Z-score算法对实验数据进行预处理,使得实验数据更加完备、准确,为预测工作提供合理、可靠的数据基础。4.建立分布式光伏发电功率预测模型。针对短期光伏预测中存在的计算量大预测精确度低等难题,在对现场数据进行采集、处理与定量分析的基础上,基于改进的IHCMAC算法,提出了短期智能预测算法并对其加以改进,利用采集的气象参数、光伏发电数据,构建了光伏发电功率预测模型,并通过性能评价验证了该算法的有效性。