随着电力工业的不断发展,微电网在实现电网支持、防震减灾、提高能效和促进分布式能源发展等方面起到了重要作用,有望成为智能电网的关键技术之一。太阳能光伏发电作为清洁、无污染的可再生能源,是微电网重要的微电源之一,但是其出力的随机性和间歇性使微电网的能量管理面临极大的挑战。太阳能光伏电站短期出力的精确预测对微网经济调度具有重要的理论及实践意义。　　本文的主要工作及创新点在于:　　1.分析了传统的基于BP神经网络法、支持向量机法和小波神经网络法的太阳能光伏电站短期出力预测模型,并对某一实际运行的光伏电站给出了三种不同模型的预测结果,并进行了分析比较。针对三种预测模型中逐日预测精度不高的问题,本文提出了分类建模思想,重点研究了突变天气情况下输入变量中气象因素的处理等问题。　　2.在上述工作的基础上,提出了一种基于集合经验模态分解和支持向量机的光伏电站短期出力的组合预测方法,并详细的分析了建立该模型的步骤、参数寻优和相关核函数的选择等相关问题。集合经验模态分解法消除模态混叠现象,支持向量机拥有良好的泛化能力,这样使得该组合预测模型明显的提高了预测精度。仿真结果表明该组合预测法能够使突变天气预测结果的平均绝对百分比误差减少5％,非突变天气的减少3%。　　3.探讨了预测误差的大小对含有光伏电站微电网经济调度的影响。本文先建立了微网经济调度的模型,其中总目标函数包括了机组燃料消耗费用、机组运行费用、机组输出功率波动惩罚费用和治污费用,约束条件考虑了功率平衡约束、微源出力约束、热平衡约束、微燃机爬坡率约束、微网与大电网允许交互的功率约束和储能单元运行约束,优化变量为机组状态和其出力的大小。分别采用不同预测方法的预测值作为微电网经济调度中光伏电站出力的参考值来进行定量的分析,不同的预测误差对微网的单位电能成本、治污费用和运维费用的影响。计算结果表明:本文提出的集合经验模态分解和支持向量机组合方法预测值的误差可以满足微网经济调度的要求。