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清洁能源,其中光伏发电的占比逐渐增大。大量光伏发电产生电能并入电网,如果不能对这些电能进行准确的预测,则会造成电网电压频率波动从而影响各方面生产生活活动。本文在光伏功率变化趋势的研究基础之上,对光伏集群功率的汇聚效应产生机理进行分析,并根据光照特性分析建立光伏异常数据识别模型以及基于改进云模型的缺失数据补齐模型,然后构建了光伏集群功率超短期预测模型,最后对光伏集群功率预测误差进行了拟合及分析。首先,利用多个出力特性实现了光伏集群功率序列汇聚效应产生机理的刻画。对集群功率特性进行了分析作为后续研究的基础。针对设备故障或人为限电等因素产生的异常数据以及缺失数据识别与补齐,本文首先分析了影响光伏功率的主要因素,将功率按照不同时段及辐照区间进行分类,选取最优Copula函数求解特定辐照度下光伏功率的条件概率分布从而对光伏功率异常数据进行了有效识别。针对历史光伏功率数据中存在采集数据缺失的问题,本文构建了改进云模型。将传统云模型的正态随机熵改为基于Copula理论的随机熵,改进云模型经验证更加符合光伏功率数据特性。参照光伏功率缺失片段的波动性大小建立概率功率插值补齐模型,对光伏功率缺失数据进行有效补齐。其次,将光伏集群总功率作为训练集输入到随机森林模型中,得到初步预测值,通过初步预测值各步误差及准确率分析了光伏集群功率初步预测值与实际值间的关系。将初步预测值按所属月份分为功率上升区域和功率下降区域,在不同区域类型下,分别利用峰值修正及趋势修正思想实现了对模型初步预测结果各步的修正,即基于改进随机森林的光伏集群功率超短期预测结果。并通过算例分析验证了本文方法的有效性与实用性。最后研究了光伏集群功率超短期点预测结果的误差分布,对各个季节下不同预测模型预测误差进行拟合,分析了同一季节状态下不同预测模型的误差分布特性及同一模型在不同季节的预测误差分布。应用多种拟合分布模型,对光伏集群的预测误差进行概率分布拟合。