在国家环境污染不断加剧的今天,能源结构面临巨大的变革,可再生能源获得大力发展,光伏发电由于具有安全、清洁、高效、无污染、无噪声等优点,受到世界各国的青睐,其中光伏发电装机容量稳步提高,然而由于光伏电源有功出力的间歇性、随机性等特点,使得光伏发电站大规模并网时势必会给电力系统的稳定性带来威胁。为了保证其并网过程的安全性和稳定性,充分利用好光伏发电的优点,本文围绕着光伏发电功率预测技术进行了深入的研究。首先,本文总结了国内外对于光伏发电功率预测技术的经验和方法,说明了光伏发电系统的组成及其主要作用机理,光伏发电系统的分类,并结合现场数据分析了影响光伏发电功率预测技术的因素,分析判断不同因素对光伏发电功率预测产生的影响。然后,介绍了几种光伏发电功率预测基础理论,为后续进行功率预测奠定了理论基础,并分析了光伏发电功率预测误差评价标准。为了验证组合预测方法比单一算法作用效果更显著,在精准度、时效性等方面更为优秀,针对性提出基于灰色极限学习机组合模型的光伏出力预测模型,有效融合灰色预测、极限学习机预测模型特点,发挥两者的优势,解决传统单一模型发电的不足和问题。为有效控制ELM网络隐含层偏置和输入权值在随机给定作用下产生的误差问题,在分析已有模型优缺点的基础上,针对性提出混沌粒子群优化和遗传粒子群优化极限学习机的光伏发电模型,同时通过改善连接权值和阈值,评估科学合理的输出权值矩阵,有效降低在随机参数影响下的误差。经实验对比分析优化前后算法的预测准确率和误差,表明改进粒子群算法优化极限学习机所建立的光伏发电功率预测方法,具有更高的准确率,并有效的对电站运行状态做可靠预判。