随着国家新能源发展战略的实施,越来越多的大规模光伏发电应用到发电系统当中。然而复杂多变的自然环境因素使得光伏发电具有随机性、间歇性和波动性特点,随着光伏接入规模的增加,光伏功率预测对于电网的安全稳定运行的意义日益重要。同样的,光伏发电系统受自然环境因素影响造成的波动性越大,对其发电功率进行准确预测的难度就会越大。光伏发电功率预测模型需要拟合的映射关系在不同气象条件下存在明显差异,采用单一模型实现发电功率的准确预测非常困难;另一方面,目前光伏功率预测领域的研究主要集中于单点预测,无法有效描述预测误差的分布,在实际的工程应用中受到了约束。针对以上问题,本文考虑多种不确定因素,对光伏发电区间预测展开研究。首先,从出力影响因素、出力波动特性和预测误差分布特性三个角度加以分析,说明了光伏发电不确定性的特点。其次,考虑到BP神经网络算法在非线性系统中建模的优势,基于光伏发电影响因素及出力特性的季节分布特征,提出光伏电站多模型功率预测方法,通过实验对提出的算法进行了验证。然后,为解决点预测方法无法有效预测具有强不确定性特点的光伏发电输出功率问题,提出基于非参数估计算法的光伏发电多模型区间预测方法,对所提出的方法进行了对比研究和实验验证。最后,针对光伏出力的时变特性造成预测误差局部波动性很强的问题,为了进一步提高预测区间质量,提出一种具有自适应性的动态区间预测方法,通过对比实验,验证了所提出方法的有效性。