随着光伏发电大量并入电网中，微电网中的光伏容量不断增加，在缓解了能源危机和降低环境污染的同时，光伏出力的随机性、波动性和间断性等特点也对电网的安全、经济和优质运行带来了严峻挑战。对光伏出力进行准确预测，有助于供电部门适时调整供电计划，统筹安排常规电源和光伏发电的协调配合，提高系统安全、稳定运行能力。因此，为了合理制订发电计划，保证电力系统稳定运行，需要对光伏发电输出功率进行预测。方便电网调度部门提前获取光功率，有效准确的调整调度计划；减少电力系统的备用容量，降低电网运行成本；减轻光伏并网对电网安全造成的不利影响。提高光伏发电经济效率，为光伏发电上网提供有利条件。　　迄今为止，已提出多种预测方法。如传统方法中的多元线性回归算法，BP人工神经网络算法、支持向量机(SVM)算法、基于正交最小二乘法模糊模型方法和灰色理论算法等，这些方法各具特点，因而就有一个如何从许多预测方法中正确选用合适的预测方法的问题．如选择不当，误差便随之而产生。本文将基于事例推理机制(CBR)引入到光伏电站功率预测，本文采用基于事例推理(CBR)的方法来对光功率进行预测，这是解决光伏电站功率预测问题的新方法。与以往通常采用的基于BP神经网络的方法不同。CBR出现的主要原因是传统的基于规则的系统在知识获取问题上存在困难，不能做事例的例外处理。基于事例推理是通过访问事例库中的同类事物的求解，从而获得当前问题的解决方法的一种推理技术。事例推理的特点是将历史经验作为代替规则专家系统的“知识”存储在事例库中。对于新的预测问题，系统从事例库中检索出匹配相似事例，在检索中通过优化事例匹配因素权重使得检索的相似度极大提高，在事例修正中，针对非正常日的预测误差较大的问题，文中给出了统一的修正公式。经实例验证比较表明，该方案是有效可行的，使预测结果的可用性得以提高。基于事例推理的预测系统在精度上优于单一的数学模型，具有较强的实用性。