在全球环境污染和能源短缺等问题日益加重的情况下,光伏发电因其高效、清洁、安全、便利等特质,作为一门新兴产业,得到世界各国关注。但随机性及间歇性是光伏发电自身存在的一个问题,大规模的光伏发电进行并网势必会对电力系统的各项指标如电能质量、稳定安全等带来挑战,将会制约光伏发电的长久发展,而对光伏发电量进行预测是解决该问题的有效途径。在此背景下,本文通过分析光伏发电功率的相关性数据,采用基于支持向量机的方法对光伏发电功率进行短期预测。支持向量机作为一种新型学习机,它是基于结构风险最小化准则,获得实际风险最小值的机器算法,对小样本、非线性、局部极小点和高维数等现实中的问题有良好的解决能力,具有很强的泛化能力。本文基于支持向量机算法,针对短期光伏发电功率分别进行了基于相空间重构和支持向量机的预测1、基于小波变换和支持向量机的预测2和基于多源信息数据融合的预测3。预测方法1将历史发电功率序列作为混沌序列进行重构后,利用支持向量机进行预测；预测方法2针对光伏发电功率序列的不平稳性,首先采用小波变换对原始功率数据进行处理,将功率序列看作多个不同频率分量的叠加,通过小波变换,得具有各自特征的序列,用支持向量机对各个序列分别进行预测,最终对各个预测值叠加得预测值；预测方法3基于数据融合的思想,将与光伏发电功率有关的气象等信息都考虑到模型中,用支持向量机对气象因素、历史功率序列和相邻机组功率序列进行处理,提取特征信息值,然后采用神经元网络进行融合得最终预测值。采用现场数据验证,并对预测效果进行对比,所运用的方法都能得到预测值,可有效减轻光伏发电的不平稳性对电网带来的不利影响。