随着光伏发电技术的日益成熟与国家政策的大力扶持，光伏发电的成本日渐降低，对太阳能光伏发电的应用受到普遍的关注。光伏系统输出功率存在高度的间歇性与波动性，这使得并网运行光伏电站的接入对整个电网的安全性、电力供需的平衡以及电能质量等产生不可忽视的影响。准确地预测光伏系统的输出功率，对于电力系统的优化调度和安全稳定运行均存在重要意义。选择光伏发电功率的预测方法作为研究内容，具有极高的现实意义与学术价值。光伏系统输出功率的多寡由于受到气象状况、地理环境等多种因素的影响而产生高度的随机性与大幅值的波动，这为对其输出功率的预测工作增加了难度。纵观当前光伏发电功率预测领域的研究工作，现有的光伏功率预测模型从相异的角度利用不同的数据信息对光伏功率作出预测，其预测精度还有待于进一步提高。组合预测方法能够综合各单项模型的特点，有效地利用各种不同信息，为提高现有模型的预测精度提供了可能。本文首先对光伏输出功率的影响因素进行了探讨，并利用通径分析法对光伏系统的输出功率与其各个影响因子间的相关性进行了分析。在相关性分析的基础上，综合利用光伏系统输出功率的历史数据、气象因子等影响因素作为数据输入样本。然后，研究了混沌神经网络、支持向量机、多元线性回归模型与灰色预测模型等单项预测模型和组合预测方法。最后，在基于单项模型的基础上，建立了以自然选择粒子群优化算法确定权系数的组合预测模型，并利用该模型对某光伏电站实例进行了预测，验证了模型的有效性和精确性。