光伏发电因其有明显的间歇性和波动性,给电力系统的调度管理带来严峻挑战。光伏功率预测是目前解决此问题的一种兼具经济性与有效性的方案。由于光伏功率出力特性在不同时间尺度上具有不同的周期性波动性表现,因此需要开展光伏发电功率多时间尺度预测方法研究。本文主要进行了以下几方面的工作:首先,从理论上定性分析气象影响因素对光伏出力的影响程度。在此基础上基于回归分析法与灰色关联分析法,利用历史数据对气象影响因素作用程度进行定量分析,建立了光伏发电功率与气象因素的回归方程还有气象影响因素之间的回归方程,并根据回归方程得到影响系数大小。其次,提出了晴天天气情况下基于含影响因素系数的气象影响因素的多变量灰色模型建模方法,以气象因素作为影响因素变量与样本日光伏出力功率作为被影响因素变量,二者共同作为输入变量,以待测日光伏出力功率为输出量,建立小时级的光伏出力预测模型。同时验证了该预测模型在不同季节时的预测精度。然后,考虑到多云天气下光伏出力会受到云团的影响,提出基于BP（Back Propagation）神经网络的太阳辐照度修正方法,选择大气层外辐射作为实际接收太阳能辐射的主要影响因素,云层透光率和云量作为辅助影响因素,将任一时刻的大气层外辐照度、云层透光率和云量作为BP神经网络的输入因子,以实际接收辐照度作为输出因子,对太阳辐照度进行修正。最后,提出了太阳辐照度预测模型与多变量灰色模型结合的建模方法,预测的太阳辐照度作为影响因素变量之一,以样本日的光伏出力数据为被影响因素变量,以待测日的光伏出力为输出量,建立分钟级光伏出力预测模型,同时验证了该预测模型在不同季节时的预测精度。通过仿真实验证明本文建立的预测模型对晴天与多云天气的预测适应性较好,且预测精度符合标准。