a*<a*pa*>a*在a*能a*源a*枯a*竭a*与a*环a*境a*污a*染a*的a*危a*机a*下a*，a*大a*力a*发a*展a*可a*再a*生a*能a*源a*是a*缓a*解a*能a*源a*危a*机a*的a*必a*要a*措a*施a*，a*太a*阳a*能a*因a*其a*含a*量a*丰a*富a*、a*无a*污a*染a*而a*受a*到a*重a*视a*。a*光a*伏a*发a*电a*是a*利a*用a*太a*阳a*能a*的a*主a*要a*方a*式a*，a*然a*而a*，a*光a*伏a*发a*电a*功a*率a*随a*机a*性a*与a*波a*动a*性a*较a*强a*，a*使a*得a*大a*规a*模a*光a*伏a*并a*网a*对a*电a*力a*系a*统a*安a*全a*运a*行a*造a*成a*不a*利a*影a*响a*，a*增a*加a*了a*电a*网a*调a*度a*人a*员a*制a*定a*调a*度a*计a*划a*的a*难a*度a*，a*因a*此a*，a*准a*确a*预a*测a*光a*伏a*发a*电a*输a*出a*功a*率a*具a*有a*重a*要a*意a*义a*。a*<a*/a*pa*>a* a* a*<a*pa*>a*针a*对a*不a*同a*气a*象a*因a*素a*之a*间a*存a*在a*耦a*合a*导a*致a*光a*伏a*发a*电a*功a*率a*相a*似a*日a*难a*以a*精a*确a*筛a*选a*问a*题a*，a*论a*文a*从a*光a*伏a*发a*电a*原a*理a*出a*发a*，a*深a*入a*分a*析a*光a*伏a*发a*电a*功a*率a*的a*影a*响a*因a*素a*，a*提a*出a*基a*于a*灰a*色a*关a*联a*分a*析a*的a*光a*伏a*发a*电a*短a*期a*功a*率a*相a*似a*日a*二a*次a*筛a*选a*方a*法a*。a*相a*似a*日a*二a*次a*筛a*选a*方a*法a*避a*免a*了a*不a*同a*气a*象a*因a*素a*之a*间a*耦a*合a*的a*影a*响a*，a*提a*高a*了a*光a*伏a*发a*电a*短a*期a*功a*率a*相a*似a*日a*筛a*选a*精a*度a*，a*是a*提a*升a*光a*伏a*发a*电a*短a*期a*功a*率a*预a*测a*准a*确a*性a*的a*重a*要a*环a*节a*。a*<a*/a*pa*>a* a* a*<a*pa*>a*针a*对a*非a*晴a*空a*条a*件a*下a*光a*伏a*发a*电a*短a*期a*功a*率a*预a*测a*精a*度a*不a*高a*的a*问a*题a*，a*论a*文a*依a*据a*&a*la*da*qa*ua*oa*;a*相a*关a*向a*量a*机a*核a*函a*数a*不a*受a*Ma*ea*ra*ca*ea*ra*定a*理a*限a*制a*&a*ra*da*qa*ua*oa*;a*的a*特a*点a*，a*提a*出a*了a*构a*造a*混a*合a*核a*函a*数a*和a*优a*化a*核a*参a*数a*的a*改a*进a*相a*关a*向a*量a*机a*光a*伏a*发a*电a*短a*期a*功a*率a*预a*测a*方a*法a*，a*将a*高a*斯a*核a*函a*数a*与a*柯a*西a*核a*函a*数a*相a*结a*合a*，a*采a*粒a*子a*群a*优a*化a*算a*法a*确a*定a*预a*测a*模a*型a*的a*最a*优a*核a*参a*数a*，a*建a*立a*对a*多a*尺a*度a*多a*模a*态a*变a*化a*数a*据a*的a*映a*射a*关a*系a*，a*实a*现a*光a*伏a*发a*电a*功a*率a*随a*机a*性a*波a*动a*规a*律a*的a*有a*效a*捕a*捉a*，a*增a*强a*了a*相a*关a*向a*量a*机a*预a*测a*模a*型a*的a*泛a*化a*和a*学a*习a*能a*力a*，a*提a*高a*了a*光a*伏a*发a*电a*短a*期a*功a*率a*预a*测a*的a*精a*度a*。a*<a*/a*pa*>a* a* a*<a*pa*>a*针a*对a*现a*有a*光a*伏a*发a*电a*短a*期a*功a*率a*区a*间a*预a*测a*未a*能a*将a*预a*测a*区a*间a*覆a*盖a*率a*和a*预a*测a*区a*间a*平a*均a*宽a*度a*二a*者a*有a*机a*统a*一a*的a*不a*足a*，a*论a*文a*在a*现a*有a*评a*价a*指a*标a*的a*基a*础a*上a*，a*提a*出a*区a*间a*质a*量a*指a*数a*准a*则a*的a*综a*合a*指a*标a*。a*综a*合a*指a*标a*将a*预a*测a*区a*间a*覆a*盖a*率a*和a*预a*测a*区a*间a*平a*均a*宽a*度a*有a*机a*联a*系a*起a*来a*，a*并a*将a*其a*作a*为a*目a*标a*函a*数a*，a*优a*化a*基a*于a*相a*关a*向a*量a*机a*的a*光a*伏a*发a*电a*短a*期a*功a*率a*区a*间a*预a*测a*方a*法a*，a*提a*高a*了a*预a*测a*区a*间a*的a*准a*确a*性a*，a*有a*利a*于a*提a*高a*电a*网a*调a*度a*决a*策a*的a*制a*定a*的a*针a*对a*性a*。a*<a*/a*pa*>a* a* a*<a*pa*>a*采a*用a*美a*国a*俄a*勒a*冈a*州a*某a*光a*伏a*电a*站a*的a*实a*测a*数a*据a*进a*行a*光a*伏a*发a*电a*短a*期a*功a*率a*预a*测a*，a*在a*各a*类a*天a*气a*条a*件a*下a*对a*比a*本a*文a*所a*提a*预a*测a*方a*法a*预a*测a*精a*度a*，a*验a*证a*本a*文a*所a*提a*预a*测a*方a*法a*的a*有a*效a*性a*与a*适a*用a*性a*。a*<a*/a*pa*>a* a*

a*<a*pa*>a*Ua*na*da*ea*ra* a*ta*ha*ea* a*ca*ra*ia*sa*ia*sa* a*oa*fa* a*ea*na*ea*ra*ga*ya* a*ea*xa*ha*a*ua*sa*ta*ia*oa*na* a*a*na*da* a*ea*na*va*ia*ra*oa*na*ma*ea*na*ta*a*la* a*pa*oa*la*la*ua*ta*ia*oa*na*,a* a*va*ia*ga*oa*ra*oa*ua*sa*la*ya* a*da*ea*va*ea*la*oa*pa*ia*na*ga* a*ra*ea*na*ea*wa*a*ba*la*ea* a*ea*na*ea*ra*ga*ya* a*ia*sa* a*a* a*na*ea*ca*ea*sa*sa*a*ra*ya* a*ma*ea*a*sa*ua*ra*ea* a*ta*oa* a*a*la*la*ea*va*ia*a*ta*ea* a*ta*ha*ea* a*ea*na*ea*ra*ga*ya* a*ca*ra*ia*sa*ia*sa*.a* a*Sa*oa*la*a*ra* a*ea*na*ea*ra*ga*ya* a*ia*sa* a*va*a*la*ua*ea*da* a*ba*ea*ca*a*ua*sa*ea* a*oa*fa* a*ia*ta*sa* a*ra*ia*ca*ha* a*ca*oa*na*ta*ea*na*ta* a*a*na*da* a*na*oa* a*pa*oa*la*la*ua*ta*ia*oa*na*.a* a*Pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na* a*ia*sa* a*ta*ha*ea* a*ma*a*ia*na* a*wa*a*ya* a*ta*oa* a*ua*sa*ea* a*sa*oa*la*a*ra* a*ea*na*ea*ra*ga*ya*.a* a*Ha*oa*wa*ea*va*ea*ra*,a* a*da*ua*ea* a*ta*oa* a*ta*ha*ea* a*ha*ia*ga*ha* a*ra*a*na*da*oa*ma*na*ea*sa*sa* a*a*na*da* a*va*oa*la*a*ta*ia*la*ia*ta*ya* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na*,a* a*la*a*ra*ga*ea*-a*sa*ca*a*la*ea* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*ga*ra*ia*da*-a*ca*oa*na*na*ea*ca*ta*ia*oa*na* a*ha*a*sa* a*a* a*na*ea*ga*a*ta*ia*va*ea* a*ia*ma*pa*a*ca*ta* a*oa*na* a*ta*ha*ea* a*sa*a*fa*ea* a*oa*pa*ea*ra*a*ta*ia*oa*na* a*oa*fa* a*ta*ha*ea* a*pa*oa*wa*ea*ra* a*sa*ya*sa*ta*ea*ma* a*a*na*da* a*ia*na*ca*ra*ea*a*sa*ea*sa* a*ta*ha*ea* a*da*ia*fa*fa*ia*ca*ua*la*ta*ya* a*fa*oa*ra* a*ga*ra*ia*da* a*da*ia*sa*pa*a*ta*ca*ha*ea*ra*sa* a*ta*oa* a*ma*a*ka*ea* a*sa*ca*ha*ea*da*ua*la*ia*na*ga* a*pa*la*a*na*sa*.a* a*Ta*ha*ea*ra*ea*fa*oa*ra*ea*,a* a*ia*ta* a*ia*sa* a*oa*fa* a*ga*ra*ea*a*ta* a*sa*ia*ga*na*ia*fa*ia*ca*a*na*ca*ea* a*ta*oa* a*a*ca*ca*ua*ra*a*ta*ea*la*ya* a*pa*ra*ea*da*ia*ca*ta* a*ta*ha*ea* a*oa*ua*ta*pa*ua*ta* a*pa*oa*wa*ea*ra* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na*.a*<a*/a*pa*>a* a* a*<a*pa*>a*Aa*ia*ma*ia*na*ga* a*a*ta* a*ta*ha*ea* a*pa*ra*oa*ba*la*ea*ma* a*ta*ha*a*ta* a*ia*ta* a*ia*sa* a*da*ia*fa*fa*ia*ca*ua*la*ta* a*ta*oa* a*a*ca*ca*ua*ra*a*ta*ea*la*ya* a*sa*ca*ra*ea*ea*na* a*sa*ia*ma*ia*la*a*ra* a*da*a*ya*sa* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na* a*da*ua*ea* a*ta*oa* a*ta*ha*ea* a*ca*oa*ua*pa*la*ia*na*ga* a*ba*ea*ta*wa*ea*ea*na* a*da*ia*fa*fa*ea*ra*ea*na*ta* a*ma*ea*ta*ea*oa*ra*oa*la*oa*ga*ia*ca*a*la* a*fa*a*ca*ta*oa*ra*sa*,a* a*ta*ha*ea*&a*na*ba*sa*pa*;a*pa*a*pa*ea*ra* a*sa*ta*a*ra*ta*sa* a*fa*ra*oa*ma* a*ta*ha*ea* a*pa*ra*ia*na*ca*ia*pa*la*ea* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na*,a* a*da*ea*ea*pa*la*ya* a*a*na*a*la*ya*za*ea*sa* a*ta*ha*ea* a*ia*na*fa*la*ua*ea*na*ca*ia*na*ga* a*fa*a*ca*ta*oa*ra*sa* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na*,a* a*a*na*da* a*pa*ra*oa*pa*oa*sa*ea*sa* a*a* a*sa*ea*ca*oa*na*da*a*ra*ya* a*sa*ca*ra*ea*ea*na*ia*na*ga* a*ma*ea*ta*ha*oa*da* a*oa*fa* a*sa*ha*oa*ra*ta*-a*ta*ea*ra*ma* a*sa*ia*ma*ia*la*a*ra* a*da*a*ya*sa* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na* a*ba*a*sa*ea*da* a*oa*na* a*ga*ra*ea*ya* a*ca*oa*ra*ra*ea*la*a*ta*ia*oa*na* a*a*na*a*la*ya*sa*ia*sa*.a* a*Ta*ha*ea* a*sa*ea*ca*oa*na*da*a*ra*ya* a*sa*ca*ra*ea*ea*na*ia*na*ga* a*ma*ea*ta*ha*oa*da* a*oa*fa* a*sa*ia*ma*ia*la*a*ra* a*da*a*ya*sa* a*a*va*oa*ia*da*sa* a*ta*ha*ea* a*ca*oa*ua*pa*la*ia*na*ga* a*ea*fa*fa*ea*ca*ta* a*oa*fa* a*da*ia*fa*fa*ea*ra*ea*na*ta* a*ma*ea*ta*ea*oa*ra*oa*la*oa*ga*ia*ca*a*la* a*fa*a*ca*ta*oa*ra*sa*,a* a*a*na*da* a*ia*ma*pa*ra*oa*va*ea*sa* a*ta*ha*ea* a*sa*ca*ra*ea*ea*na*ia*na*ga* a*a*ca*ca*ua*ra*a*ca*ya* a*oa*fa* a*sa*ia*ma*ia*la*a*ra* a*da*a*ya*sa* a*fa*oa*ra* a*sa*ha*oa*ra*ta*-a*ta*ea*ra*ma* a*pa*oa*wa*ea*ra* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na*,a* a*wa*ha*ia*ca*ha* a*ia*sa* a*a*na* a*ia*ma*pa*oa*ra*ta*a*na*ta* a*la*ia*na*ka* a*ta*oa* a*ia*ma*pa*ra*oa*va*ea* a*ta*ha*ea* a*a*ca*ca*ua*ra*a*ca*ya* a*oa*fa* a*sa*ha*oa*ra*ta*-a*ta*ea*ra*ma* a*pa*oa*wa*ea*ra* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na*.a*<a*/a*pa*>a* a* a*<a*pa*>a*Aa*ia*ma*ia*na*ga* a*a*ta* a*ta*ha*ea* a*pa*ra*oa*ba*la*ea*ma* a*ta*ha*a*ta* a*ta*ha*ea* a*sa*ha*oa*ra*ta*-a*ta*ea*ra*ma* a*pa*oa*wa*ea*ra* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*a*ca*ca*ua*ra*a*ca*ya* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na* a*ua*na*da*ea*ra* a*na*oa*na*-a*ca*la*ea*a*ra* a*sa*ka*ya* a*ca*oa*na*da*ia*ta*ia*oa*na*sa* a*ia*sa* a*na*oa*ta* a*ha*ia*ga*ha*,a* a*ta*ha*ea* a*pa*a*pa*ea*ra* a*pa*ra*oa*pa*oa*sa*ea*sa* a*a*na* a*ia*ma*pa*ra*oa*va*ea*da* a*ra*ea*la*ea*va*a*na*ca*ea* a*va*ea*ca*ta*oa*ra* a*ma*a*ca*ha*ia*na*ea* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na* a*ta*ha*a*ta* a*ca*oa*na*sa*ta*ra*ua*ca*ta*sa* a*a* a*ha*ya*ba*ra*ia*da* a*ka*ea*ra*na*ea*la* a*fa*ua*na*ca*ta*ia*oa*na* a*a*na*da* a*oa*pa*ta*ia*ma*ia*za*ea*sa* a*ta*ha*ea* a*ka*ea*ra*na*ea*la* a*pa*a*ra*a*ma*ea*ta*ea*ra*sa* a*ba*a*sa*ea*da* a*oa*na* a*ta*ha*ea* a*ca*ha*a*ra*a*ca*ta*ea*ra*ia*sa*ta*ia*ca* a*ta*ha*a*ta* a*ta*ha*ea* a*ka*ea*ra*na*ea*la* a*fa*ua*na*ca*ta*ia*oa*na* a*oa*fa* a*ta*ha*ea* a*ra*ea*la*ea*va*a*na*ca*ea*&a*na*ba*sa*pa*;a*va*ea*ca*ta*oa*ra* a*ma*a*ca*ha*ia*na*ea* a*ia*sa* a*na*oa*ta* a*la*ia*ma*ia*ta*ea*da* a*ba*ya* a*Ma*ea*ra*ca*ea*ra*&a*#a*3a*9a*;a*sa* a*ta*ha*ea*oa*ra*ea*ma*.a*Ta*ha*ea* a*sa*ha*oa*ra*ta*-a*ta*ea*ra*ma* a*pa*oa*wa*ea*ra* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*ma*ea*ta*ha*oa*da* a*ca*oa*ma*ba*ia*na*ea*sa* a*ta*ha*ea* a*Ga*a*ua*sa*sa*ia*a*na* a*ka*ea*ra*na*ea*la* a*fa*ua*na*ca*ta*ia*oa*na* a*wa*ia*ta*ha* a*ta*ha*ea* a*Ca*a*ua*ca*ha*ya* a*ka*ea*ra*na*ea*la* a*fa*ua*na*ca*ta*ia*oa*na*,a* a*ua*sa*ea*sa* a*pa*a*ra*ta*ia*ca*la*ea* a*sa*wa*a*ra*ma* a*oa*pa*ta*ia*ma*ia*za*a*ta*ia*oa*na* a*a*la*ga*oa*ra*ia*ta*ha*ma* a*ta*oa* a*da*ea*ta*ea*ra*ma*ia*na*ea* a*ta*ha*ea* a*oa*pa*ta*ia*ma*a*la* a*ka*ea*ra*na*ea*la* a*pa*a*ra*a*ma*ea*ta*ea*ra*sa* a*oa*fa* a*ta*ha*ea* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*ma*oa*da*ea*la*,a* a*ea*sa*ta*a*ba*la*ia*sa*ha*ea*sa* a*ta*ha*ea* a*ma*a*pa*pa*ia*na*ga* a*ra*ea*la*a*ta*ia*oa*na*sa*ha*ia*pa* a*ta*oa* a*ma*ua*la*ta*ia*-a*sa*ca*a*la*ea* a*a*na*da* a*ma*ua*la*ta*ia*-a*ma*oa*da*a*la* a*ca*ha*a*na*ga*ea* a*da*a*ta*a*,a* a*a*na*da* a*ra*ea*a*la*ia*za*ea*sa* a*ta*ha*ea* a*ra*a*na*da*oa*ma*na*ea*sa*sa* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na* a*Ta*ha*ea* a*ea*fa*fa*ea*ca*ta*ia*va*ea* a*ca*a*pa*ta*ua*ra*ea* a*oa*fa* a*fa*la*ua*ca*ta*ua*a*ta*ia*oa*na* a*la*a*wa*sa* a*ea*na*ha*a*na*ca*ea*sa* a*ta*ha*ea* a*ga*ea*na*ea*ra*a*la*ia*za*a*ta*ia*oa*na* a*a*na*da* a*la*ea*a*ra*na*ia*na*ga* a*a*ba*ia*la*ia*ta*ya* a*oa*fa* a*ta*ha*ea* a*ra*ea*la*ea*va*a*na*ca*ea*&a*na*ba*sa*pa*;a*va*ea*ca*ta*oa*ra* a*ma*a*ca*ha*ia*na*ea* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*ma*oa*da*ea*la*,a* a*a*na*da* a*ia*ma*pa*ra*oa*va*ea*sa* a*ta*ha*ea* a*a*ca*ca*ua*ra*a*ca*ya* a*oa*fa* a*sa*ha*oa*ra*ta*-a*ta*ea*ra*ma* a*pa*oa*wa*ea*ra* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na*.a*<a*/a*pa*>a* a* a*<a*pa*>a*Aa*ia*ma*ia*na*ga* a*a*ta* a*ta*ha*ea* a*sa*ha*oa*ra*ta*ca*oa*ma*ia*na*ga* a*ta*ha*a*ta* a*ta*ha*ea* a*ea*xa*ia*sa*ta*ia*na*ga* a*sa*ha*oa*ra*ta*-a*ta*ea*ra*ma* a*pa*oa*wa*ea*ra* a*ia*na*ta*ea*ra*va*a*la* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na* a*fa*a*ia*la*sa* a*ta*oa* a*ua*na*ia*fa*ya* a*ta*ha*ea* a*ca*oa*va*ea*ra*a*ga*ea* a*ra*a*ta*ea* a*a*na*da* a*ta*ha*ea* a*a*va*ea*ra*a*ga*ea* a*wa*ia*da*ta*ha* a*oa*fa* a*ta*ha*ea* a*pa*ra*ea*da*ia*ca*ta*ea*da* a*ia*na*ta*ea*ra*va*a*la* a*oa*ra*ga*a*na*ia*ca*a*la*la*ya*,a* a*ta*ha*ia*sa* a*pa*a*pa*ea*ra* a*pa*ra*oa*pa*oa*sa*ea*sa* a*a* a*ca*oa*ma*pa*ra*ea*ha*ea*na*sa*ia*va*ea* a*ia*na*da*ea*xa* a*oa*fa* a*ta*ha*ea* a*ia*na*ta*ea*ra*va*a*la* a*qa*ua*a*la*ia*ta*ya* a*ia*na*da*ea*xa* a*ca*ra*ia*ta*ea*ra*ia*oa*na* a*ba*a*sa*ea*da* a*oa*na* a*ta*ha*ea* a*ea*xa*ia*sa*ta*ia*na*ga* a*ea*va*a*la*ua*a*ta*ia*oa*na* a*ia*na*da*ea*xa*ea*sa*.a* a*Ta*ha*ea* a*ca*oa*ma*pa*ra*ea*ha*ea*na*sa*ia*va*ea* a*ia*na*da*ea*xa* a*oa*ra*ga*a*na*ia*ca*a*la*la*ya* a*la*ia*na*ka*sa* a*ta*ha*ea* a*ca*oa*va*ea*ra*a*ga*ea* a*ra*a*ta*ea* a*oa*fa* a*ta*ha*ea* a*pa*ra*ea*da*ia*ca*ta*ea*da* a*ia*na*ta*ea*ra*va*a*la* a*wa*ia*ta*ha* a*ta*ha*ea* a*a*va*ea*ra*a*ga*ea* a*wa*ia*da*ta*ha* a*oa*fa* a*ta*ha*ea* a*pa*ra*ea*da*ia*ca*ta*ea*da* a*ia*na*ta*ea*ra*va*a*la*,a* a*a*na*da* a*ta*a*ka*ea*sa* a*ia*ta* a*a*sa* a*ta*ha*ea* a*oa*ba*ja*ea*ca*ta*ia*va*ea* a*fa*ua*na*ca*ta*ia*oa*na* a*ta*oa* a*oa*pa*ta*ia*ma*ia*za*ea* a*ta*ha*ea* a*sa*ha*oa*ra*ta*-a*ta*ea*ra*ma* a*pa*oa*wa*ea*ra* a*ia*na*ta*ea*ra*va*a*la* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*ma*ea*ta*ha*oa*da* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na* a*ba*a*sa*ea*da* a*oa*na* a*ra*ea*la*ea*va*a*na*ca*ea*&a*na*ba*sa*pa*;a*va*ea*ca*ta*oa*ra* a*ma*a*ca*ha*ia*na*ea*,a* a*wa*ha*ia*ca*ha* a*ia*ma*pa*ra*oa*va*ea*sa* a*ta*ha*ea* a*a*ca*ca*ua*ra*a*ca*ya* a*oa*fa* a*ta*ha*ea* a*pa*ra*ea*da*ia*ca*ta*ea*da* a*ia*na*ta*ea*ra*va*a*la* a*a*na*da* a*ia*sa* a*ca*oa*na*da*ua*ca*ia*va*ea* a*ta*oa* a*ta*ha*ea* a*ma*a*ka*ia*na*ga* a*oa*fa* a*sa*ca*ha*ea*da*ua*la*ia*na*ga* a*da*ea*ca*ia*sa*ia*oa*na*sa*.a*<a*/a*pa*>a* a* a*<a*pa*>a*Ta*ha*ea* a*ma*ea*a*sa*ua*ra*ea*da* a*da*a*ta*a* a*oa*fa* a*a* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*sa*ta*a*ta*ia*oa*na* a*ia*na* a*Oa*ra*ea*ga*oa*na*,a* a*Ua*Sa*Aa*,a* a*wa*ea*ra*ea* a*ua*sa*ea*da* a*ta*oa* a*pa*ra*ea*da*ia*ca*ta* a*ta*ha*ea* a*sa*ha*oa*ra*ta*-a*ta*ea*ra*ma* a*pa*oa*wa*ea*ra* a*oa*fa* a*pa*ha*oa*ta*oa*va*oa*la*ta*a*ia*ca* a*pa*oa*wa*ea*ra* a*ga*ea*na*ea*ra*a*ta*ia*oa*na*.a* a*Ta*ha*ea* a*a*ca*ca*ua*ra*a*ca*ya* a*oa*fa* a*ta*ha*ea* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*ma*ea*ta*ha*oa*da* a*pa*ra*oa*pa*oa*sa*ea*da* a*ia*na* a*ta*ha*ia*sa* a*pa*a*pa*ea*ra* a*wa*a*sa* a*ca*oa*ma*pa*a*ra*ea*da* a*wa*ia*ta*ha* a*ta*ha*a*ta* a*oa*fa* a*ta*ha*ea* a*ea*xa*ia*sa*ta*ia*na*ga* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*ma*ea*ta*ha*oa*da*sa* a*ua*na*da*ea*ra* a*va*a*ra*ia*oa*ua*sa* a*wa*ea*a*ta*ha*ea*ra* a*ca*oa*na*da*ia*ta*ia*oa*na*sa* a*ta*oa* a*va*ea*ra*ia*fa*ya* a*ta*ha*ea* a*ea*fa*fa*ea*ca*ta*ia*va*ea*na*ea*sa*sa* a*a*na*da* a*a*pa*pa*la*ia*ca*a*ba*ia*la*ia*ta*ya* a*oa*fa* a*ta*ha*ea* a*pa*ra*ea*da*ia*ca*ta*ia*oa*na* a*ma*ea*ta*ha*oa*da* a*pa*ra*oa*pa*oa*sa*ea*da* a*ia*na* a*ta*ha*ia*sa* a*pa*a*pa*ea*ra*.a*<a*/a*pa*>a* a*

[1]张子薇．基于改进GBDT算法的光伏发电功率预测研究[D]．华北电力大学，2018．

[2]赵杰．光伏发电并网系统的相关技术研究[D]．天津大学，2012．

[3]左远龙．基于改进BP神经网络模型的光伏发电短期预测研究[D]．南昌大学，2020．

[4]LIM N C，RANAWEERA I U，NORUM L，et al．A real-time energy management system for smart grid integrated photovoltaic generation with battery storage[J]．Renewable Energy，2019，130：774-785．

[5]王飞．并网型光伏电站发电功率预测方法与系统[D]．华北电力大学，2013．

[6]丁明，王伟胜，王秀丽，等．大规模光伏发电对电力系统影响综述[J]．中国电机工程学报，2014，34(1)：2-14．

[7]SOBRI S，KOOHI K S，RAHIM N A．Solar photovoltaic generation forecasting methods：A review[J]．Energy conversion and management，2018，156：459-497．

[8]JANG H，BAE K Y，PARK H S，et al． Solar power prediction based on satellite images and support vector machine[J]．IEEE Trans Sustain Energy，2016，7(3)：1255-1263．

[9]EDWARD S C．可持续能源的前景[M]．北京：清华大学出版社，2002．

[10]SANGWONGWANICH A，YANG Y，BLAABJERG F，et al．Bench marking of constant power generation strategies for single-phase grid-connected Photovoltaic systems[J]．IEEE Transactions on Industry Applications，2016：1-1．

[11]MAHELA O P，SHAIK A G．Comprehensive overview of grid interfaced solar photovoltaic systems[J]．Renewable & Sustainable Energy Reviews，2017，68：316-332．

[12]连魏魏．基于天气条件划分的光伏功率预测方法[D]．华北电力大学(北京)，2019．

[13]HONG T，Fan S．Guest Editorial：Special section on analytic for Energy Forecasting with Applications to Smart Grid[J]．IEEE Trans．Smart Grid，2014，5(1)：399-401．

[14]陈昌松．光伏微网的发电预测与能量管理技术研究[D]．华中科技大学，2011．

[15]白俊良，梅华威． 改进相似度的模糊聚类算法在光伏阵列短期功率预测中的应用[J]． 电力系统保护与控制，2014，42(6)：84- 90．

[16]赖昌伟，黎静华，陈博，等．光伏发电出力预测技术研究综述[J]．电工技术学报，2019，34(06)：1201-1217．

[17]龚莺飞，鲁宗相，乔颖，等．光伏功率预测技术[J].电力系统自动化，2016，40(04)：140-151．

[18]FACEIRA J，AFONSO P，SALGADO P． Prediction of solar radiation using Artificial Neural Networks[J]． Lecture Notes in Electrical Engineering，2015，321：397-406．

[19]CAPIZZI G，NAPOLI C，BONANNO F．Innovative second-generation wavelets construction with recurrent neural networks for solar radiation forecasting[J]．IEEE Transactions on Neural Networks，2012，23(11)：1805-1815．

[20]崔洋，孙银川，常倬林．短期太阳能光伏发电预测方法研究进展[J]．资源科学，2013，35(07)：1474-1481．

[21]SOBRI S，KOOHI K S，RAHIM N A．Solar photovoltaic generation forecasting methods：A review[J]．Energy conversion and management，2018，156：459-497．

[22]GERALD I E，ROMANO F，RICCIARDELLI E． An advanced model for the estimation of the surface solar irradiance under all atmospheric conditions using MSG/SEVIRI data[J]．IEEE transactions on geoscience and remote sensing，2012，50(8)：2934-2953．

[23]HAMMER A，HEINEMANN D，LORENZ E，et al．Short-term forecasting of solar radiation：A statistical approach using satellite data[J]．Solar Energy，1999，67(13)：139-150．

[24]YONA A，SENJYU T，FUNABASHI T．Application of recurrent neural network to short-term-ahead generating power forecasting for photovoltaic system[C]．IEEE Power and Energy Society General Meeting，2007．

[25]白永清，陈正洪，王明欢，等．基于WRF模式输出统计的逐时太阳总辐射预报初探[J]．大气科学学报，2011，34(03)：363-369．

[26]兰华，廖志民，赵阳．基于ARMA模型的光伏电站出力预测[J]．电测与仪表，2011，48(02)：31-35．

[27]HASSANZADEH M，ETEZADI A M，FADALI M S． Practical approach for sub-hourly and hourly prediction of PV power output[J]．North American Power Symposium，2010，1-5．

[28]丁明，徐宁舟．基于马尔可夫链的光伏发电系统输出功率短期预测方法[J]．电网技术，2011，35(01)：152-157．

[29]王伟胜，车建峰，王勃，等．光伏发电功率预测技术及应用[M]．中国电力出版社，2019．12．

[30]耿博，高贞彦，白恒远，等．结合相似日GA-BP神经网络的光伏发电预测[J]．电力系统及其自动化学报，2017，29(06)：118-123．

[31]陈通，孙国强，卫志农，等．基于Spiking神经网络的光伏系统发电功率预测[J]．电力系统及其自动化学报，2017，29(06)：7-12+44．

[32]于秋玲，许长清，李珊，等．基于模糊聚类和支持向量机的短期光伏功率预测[J]．电力系统及其自动化学报，2016，28(12)：115-118+129．

[33]ESEYE A T，ZHANG J，ZHENG D．Short-term photovoltaic solar power forecasting using a hybrid Wavelet-PSO-SVM model based on SCADA and Meteorological information[J]．Renewable energy，2018，118：357-367．

[34]殷豪，陈云龙，孟安波，等．基于二次自适应支持向量机光伏输出功率预测[J]．太阳能学报，2019，40(7)：1866-1873．

[35]单英浩，付青，耿炫，等．基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法[J]．中国电机工程学报，2016，36(12)：3334-3343．

[36]CERVONE G，CLEMENTE H L，ALESSANDRINI S，et al．Short-term photovoltaic power forecasting using Artificial Neural Networks and an Analog Ensemble[J]．Renewable Energy，2017，108(8)：274-286．

[37]朱红路，李旭，姚建曦，等．基于小波分析与神经网络的光伏电站功率预测方法[J]．太阳能学报，2015，36(11)：2725-2730．

[38]叶林，陈政，赵永宁，等．基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型[J]．电力系统自动化，2015，39(16)：16-22．

[39]程泽，刘冲，刘力．基于相似时刻的光伏出力概率分布估计方法[J]．电网技术，2017，41(02)：448-455．

[40]赵唯嘉，张宁，康重庆，等．光伏发电出力的条件预测误差概率分布估计方法[J]．电力系统自动化，2015，39(16)：8-15．

[41]王继东，冉冉，宋智林．基于改进深度受限玻尔兹曼机算法的光伏发电短期功率概率预测[J]．电力自动化设备，2018，38(05)：43-49．

[42]黎敏，林湘宁，张哲原，等．超短期光伏出力区间预测算法及其应用[J]．电力系统自动化，2019，43(03)：10-16．

[43]韦善阳，黎静华，黄乾．基于改进权值优化模型的光伏功率区间预测[J]．电力建设，2019，40(07)：26-33．

[44]张娜，王守相，葛磊蛟，等．一种光伏短期出力区间预测方法[J]．太阳能学报，2020，41(08)：173-179．

[45]武小梅，林翔，谢旭泉，等．基于VMD-PE和优化相关向量机的短期风电功率预测[J]．太阳能学报，2018，39(11)：3277-3284．

[46]范磊，卫志农，李慧杰，等．基于变分模态分解和蝙蝠算法-相关向量机的短期风速区间预测[J]．电力自动化设备，2017，37(01)：93-100．

[47]黄帅栋，卫志农，高宗，等．基于非负矩阵分解的相关向量机短期负荷预测模型[J]．电力系统自动化，2012，36(10)：62-66．

[48]桑康伟，王坤，高文根．基于EMD-RVM的短期光伏发电系统功率预测[J]．四川理工学院学报，2019，32(01)：50-56．

[49]WANG S，SUN Y，ZHOU Y，et al． A new hybrid short-term interval forecasting of PV output power based on EEMD-SE-RVM[J]． Energies，2020，13(1)： 87．

[50]贾翠玲．并网型光伏发电短期功率预测的研究与应用[D]．华北电力大学(北京)，2016．

[51]张润坤．含分布式光伏电源的配电网继电保护研究[D]．南京理工大学，2017．

[52]周光辉．光伏发电功率预测系统研究[D]．江苏科技大学，2018．

[53]郑海兴，舒碧芬，沈辉，等．晶体硅组件长期运行后性能及衰退原因分析[J]．太阳能学报，2012，33(04)：614-617．

[54]Solar data [EB/OL]．[2013-08-09]．http://solardat.uoregon.edu/SolarData.html

[55]彭周宁，林培杰，赖云锋，等．基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测[J]．电气技术，2019，20(10)：11-18．

[56]中国气象局．GB/T 22164-2008 公共气象服务-天气图形符号[S]．北京：中国标准出版社，2008．

[57]韩丽洁．基于灰色关联分析和最小二乘支持向量机的光伏功率预测算法的研究[D]．天津大学，2014．

[58]孙玉刚．灰色关联分析及其应用的研究[D]．南京航空航天大学，2007．

[59]吴小涛．基于变分模态分解和相关向量机的太阳辐照度预测模型研究[D]．华中科技大学，2018．

[60]李艺．基于相关向量机的风功率超短期预测研究[D]．西安理工大学，2016．

[61]周建宝．基于RVM的锂离子电池剩余寿命预测方法研究[D]．哈尔滨工业大学，2013．

[62]马春辉，杨杰，程琳，等．基于混合核函数HS-RVM的边坡稳定性分析[J]．岩石力学与工程学报，2017，36(S1)：3409-3415．

[63]白凡，王宝华．光伏并网对低频振荡的影响与抑制[J]．太阳能学报，2020，41(03)：255-261．

[64]SOBRI S，KOOHI K S，RAHIM N A．Solar photovoltaic generation forecasting methods：A review[J]． Energy conversion and management，2018，156：459-497．

[65]GERALD I E，ROMANO F，RICCIARDELLI E． An advanced model for the estimation of the surface solar irradiance under all atmospheric conditions using MSG/SEVIRI data[J]．IEEE transactions on geoscience and remote sensing，2012，50(8)：2934-2953．

[66]吴菁，刘乙奇，刘坚，等．基于动态多核相关向量机的软测量建模研究[J]．化工学报，2019，70(04)：1472-1484．

[67]杨锡运，关文渊，刘玉奇，等．基于粒子群优化的核极限学习机模型的风电功率区间预测方法[J]．中国电机工程学报，2015，35(S1)：146-153．

[68]张军，王远强，朱新山．改进PSO优化神经网络的短时交通流预测[J]．计算机工程与应用，2017，53(14)：227-231+245．

[69]NB/T 32011-2013，光伏发电站功率预测系统技术要求[S]．