太阳能被公认为一种理想的可再生能源。太阳能光伏发电是一种重要的太阳能利用方式,在缓解现有能源危机的同时,也可以减轻由传统能源引起的各种环境问题。但光伏发电受太阳辐射强度与气象状况的影响,具有高度的随机性、波动性和间歇性,这给大型光伏并网发电带来了严峻的挑战。因此,精确预测光伏发电功率有其重要的现实意义。本文总结了近些年来国内外相关领域的研究进展,对太阳能光伏发电短期预测进行了分析研究,论文主要包括以下几方面的内容:(1)首先将获取到的原始数据通过异常值剔除、缺失值补充和数值归一化等步骤进行数据预处理后,建立太阳能光伏发电短期功率预测的数据库;(2)提出一种基于深度学习的点预测模型。首先提出三种不同的模型结构,通过实验比较三者的优势和劣势,同时给出了对输入数据的要求,即当日的太阳能发电功率数据和次日的天气数据。接着探究了模型容量对预测结果的影响,给出针对单用户太阳能光伏发电功率预测问题在模型容量上的建议。进一步探究了 Dropout机制和激活函数对模型预测效果的影响。除此之外,在预测精度和测试时间两个维度上比较了不同深度模型方法的优劣。最后提取了对模型精度影响最大的三维天气特征,在整体数据集上验证了三维特征输入的优越性。(3)基于太阳能光伏发电功率的点预测方法提出区间预测方法。首先提出区间预测的评价指标,然后提出了一种启发式的区间预测算法,实现给定精度下的全局最优和计算低成本。最后在测试集上验证了区间预测算法的有效性。