随着经济和科学技术的迅猛发展,人类对于能源的需求日益增大。太阳能作为一种无污染、可再生的清洁能源,其开发和利用愈发受到公众的关注。光照短期波动和周期性变化引起的光伏电站线路电压超限现象随着光伏电站的增加也逐步增多,使得电网局部输电断面过载或越限。因此,准确预测光伏发电在未来一段时间内的输出功率对维护电网安全、稳定、经济运行有着重要意义,而太阳辐照度作为光伏发电量最主要的影响因素,能否准确预测对电网稳定运行至关重要。本文以天津市为研究区,结合地面气象站数据和风云四号卫星数据建立了一个基于注意力机制的seq2seq模型对天津市短期太阳辐照度进行预测。主要研究成果如下:(1)将太阳辐照度转换为晴空指数。晴空指数与太阳辐照度相比,蕴含更多的大气状况信息,有助于提高太阳辐照度预测准确性。(2)建立了一个卷积神经网络,对天津市西青区站点周围50*50大小的卫星图像进行特征提取作为模型训练特征,从而提高了太阳辐照度预测的准确性。(3)对天津市西青区太阳辐照度进行分析,发现该地区太阳辐照度具有明显的季节性特征,5、6、7月份太阳辐照度最高,全年有超过7个月适宜用于光伏发电。(4)建立了基于注意力机制的seq2seq模型,利用晴空指数对天气状况进行分类,并以2019年4月天津市西青区国家级地面观测站为检验数据将该模型预测结果与传统seq2seq模型及BP神经网络模型预测结果进行对比。实验表明与另外两种算法相比,基于注意力机制的seq2seq模型预测结果精度更高,在太阳辐照度预测方面具有更好的适用性。