近年来,太阳能等清洁能源发展迅速,逐渐成为能源建设的主力军。光伏出力预测对于降低并网风险、及时制定、调整电力调度计划、减少“弃光”现象等具有重要意义。但光伏出力受太阳辐射、天气、温度、湿度、风速等气象因素影响,具有较强的随机性与波动性。而现有点预测方法的预测精度较低,且难以预测出力过程中的不确定信息。针对此问题,提出了基于相似日聚类的光伏出力区间预测方法。分析了不同因素与光伏出力的相关性,基于分析结果剔除对出力影响较弱的因素,提出一种基于模糊C均值与弗雷歇距离的相似日聚类方法,将样本集聚为三类相似日:晴天相似日、多云相似日、阴雨相似日,以降低其不确定性对光伏出力区间预测的影响。分别构建了不同相似日场景下的区间预测方法。1)针对晴天与多云相似日,考虑其规律性较强,构建了基于NSGA-II-ADLSSVM的区间预测模型:提出了一种自适应比例系数区间估计方法,用于区间预测样本集构建,建立了双支持向量机模型分别预测区间上下限,并选取NSGA-Ⅱ多目标优化算法优化模型参数。2)针对阴雨相似日,考虑其规律性较差,提出了基于AVMD-SDBN-PKDE的区间预测方法:首先提出一种改进的变分模态分解方法,针对各模态分量的频率差值与变异系数,自适应选择分解层数,以提高其规律性,并基于样本熵方法将分解后的模态分量划分为高频与低频集合,分别针对高频与低频分量构建基于深度置信网络的光伏出力预测模型。针对预测误差,构建自适应核密度估计模型,得到不同置信度下误差的置信区间,结合光伏出力点预测结果与误差区间最终得到阴雨相似日下的光伏出力区间预测模型。采用陕西某园区的工业实际数据对本文所提方法进行测试验证,结果表明本文所提方法针对不同相似日均能取得较好的预测效果,可为电网调度与安全稳定运行提供参考。