随着经济的发展能源需求量不断增加,化石能源面临着日益枯竭的危险,大量能源消耗产生的诸如雾霾、酸雨等环境污染问题也更加突出。在此情况下,分布式发电、微电网等技术应用而生,广泛应用于各个行业。作为微电网的重要组成部分,光伏发电系统的具有间歇性强、极易受到外界因素影响等特点,其发电功率预测具有一定的难度。为实现微电网能源优化配置以及微电网的经济运行,结合当前的微电网光伏发电短期预测的研究现状,本文对微电网光伏发电功率预测进行相关研究,做了以下几个方面的工作:(1)结合光伏电池的基本原理,对建立起的光伏电池模型进行了相关性分析。在分析微电网光伏发电系统结构的基础上,对影响微电网光伏系统发电功率的相关因素进行了深入的研究。(2)针对传统的样本筛选方法,提出一种相似样本组合筛选方法。先对样本进行基于时间特性的初步样本筛选;其次结合时间距离因子,进行基于欧氏距离的相似日样本筛选;最后应用灰色关联度分析法对上述样本进行相似时段的样本选取。将上述筛选方法应用到BP神经网络当中,对光伏发的电功率进行短期预测。仿真分析表明,本筛选方法能够筛选出有效的样本数据。(3)结合最小二乘支持向量机具有建模精度高、泛化能力强、计算量较小、可调参数少等优点,在对传统粒子群算法进行改进的基础上,建立基于改进PSO-LSSVM的光伏发电功率短期预测模型,并将上述模型应用到实例计算中。通过仿真计算分析,该方法相比传统的研究方法具有较好的预测效果,能够达微电网光伏发电功率短期预测的基本要求,能够为微电网的能源优化、经济运行打下坚实的基础。