因为不同的天气，导致非线性的光强度和温度特性，使太阳能具有间歇性波动性和随机性。光伏发电大规模的并网势必影响电力系统运行的安全性、稳定性和可靠性。如果能准确的对短期光伏发电功率进行预测,则可以有效地减轻或避免光伏发电并网造成的安全风险,而且可以减少电力系统的备用容量和运行所需费用，提高光伏发电在整个电力系统中所占的比例。从预测方法上来分，分为统计方法和物理方法。统计方法其优点是简单可行但是准确性低。物理方法其优点是准确性高但是数据收集成本高。从预测方式上来分，光伏功率预测分为直接预测和间接预测。直接预测就是对光伏发电的输出功率直接进行预测。间接预测就是先预测光照强度，然后根据光伏电站处理模型得到光伏电站的输出功率。统计方法只能用于短期的光伏发电功率预测,对长时间的预测只好使用天气预报数据。本文主要工作包括：分别基于历史数据和天气预报数据的BP神经网络预测光伏发电功率的研究，分析历史数据和天气预报数据中影响光伏发电功率预测精度的主要因素； BP神经网络预测光伏发电功率的优化的研究：输入数据的优化，异常数据的优化，神经网络的优化。实验数据表明本文的优化方法提高了光伏发电功率预测的精度。