由于传统化石能源的日益短缺以及大量使用化石能源对环境造成的破坏,国内外都在大力开发对清洁能源的利用,其中光伏发电的占比越来越大。大量光伏发电产生电能并入电网,对电网稳定性的冲击是巨大的,因此光伏功率预测成为重要的研究课题。本文在光伏功率波动的研究基础之上,对光伏功率本身具有的周期特性进行了分析验证,实现了光伏异常数据的有效识别以及缺失数据的有效补齐,构建了光伏功率超短期预测模型,最后提出了光伏功率预测的质量评估方法。通过对光伏功率序列进行频谱分析,验证了光伏功率的周期特性。利用傅里级数实现了光伏功率序列的分解与重构,将光伏功率分解为周期分量、高频剩余分量以及低频剩余分量。对各个分量进行了分析,作为后续研究的基础。由于人为或通信故障等因素使得光伏数据在采集的过程中存在一定比例的异常数据,这会影响光伏功率的相关研究。本文对光伏功率影响因素进行了充分分析,发现光伏入射角度对辐照度-功率散点的分布有显著影响。对不同光照特性的功率数据进行分类,利用Copula函数求解特定辐照度下光伏功率的条件概率分布,结合异常数据判别准则,在一定置信度下对光伏功率数据进行了有效识别。针对实测光伏数据中包含一定比例缺失数据的问题,本文将传统云模型的正态随机熵改为基于Copula理论的随机熵,构建了更加符合光伏功率数据特性的改进云模型。参照光伏功率缺失片段的长短以及波动性大小建立条件插值补齐模型,实现了光伏功率缺失数据的有效补齐。将光伏功率分解为周期分量以及剩余分量,周期分量具有严格的规律性,因此只需对剩余分量进行超短期预测。通过皮尔逊相关系数法分析了光伏功率剩余分量与各影响因素之间的耦合关系。将天气分为三种广义天气类型,在不同天气类型下,利用局部敏感哈希算法实现了多维数据之间的临近检索。通过检索值与周期分量结合,得到光伏功率超短期预测结果。通过算例分析验证了本文方法的有效性与实用性。最后,分析预测误差与光伏功率规律性之间关系,验证了预测误差具有非零下限。结合超短期预测模式,对建模误差进行分析,得出预测误差标准差随预测步长增加的变化特性。定义不同的光伏功率不可预测分量,求解建模误差标准差,确定光伏功率建模误差标准差的最小值,结果表明不同地区不同时段光伏功率的规律性不同。