随着我国光伏发电系统得到越来越广泛的应用,随之而来的问题也越来越多。由于太阳辐照度与季度、昼夜等周期性因素有关,还与阴晴等天气的非周期因素有关,致使得光伏发电输出功率有着随机性及间歇性等缺陷。当前我国储能技术还不成熟,当大规模的光伏发电系统并网时,对电网的电能质量及系统稳定带来巨大挑战。因此对光伏发电输出功率进行预测对于电力系统调度及电力系统运行的稳定性有着举足轻重的作用。做好光伏发电功率预测工作对于扩大光伏产业规模及提高光伏产业发展速度具有重要意义。本文在研究光伏发电特性的基础上,提出了粒子群优化算法(PSO)来优化稀疏贝叶斯回归(SBR)的混合算法,并将其应用于光伏功率预测问题中。通过对光伏发电特性及影响因素的分析,得出影响出力的主要因素为光照强度、温度,并以此构建样本集,用上述算法构建的模型进行功率预测。本文采用的稀疏贝叶斯回归是一种可以解决非线性回归的有效方法,其参数的选择和预测结果的精度密切相关。本文采取的是用粒子群算法来代替传统的共轭梯度法以解决稀疏贝叶斯的参数优化过程。经过实验验证,在未经参数优化时,稀疏贝叶斯回归算法的预测精度要略高于支持向量机以及神经网络算法。在参数优化后,预测精度在原有的基础上又得到了进一步提高,验证了算法的有效性。本文在最后本文设计了一个光伏发电功率预测系统,给出了系统的各个方面的详细设计,包括数据库、系统架构、系统功能设计和一些操作界面。该系统实现了光伏功率预测的基本功能,包括模型训练、数据展示及查询、预测结果展示、误差比较等,具备一定的实用性。