针对点预测类方法无法消除预测误差的不足，文中提出一种光伏发电功率短期预测方法。该方法采用极端学习机为光伏发电功率预测的回归预测方法，并结合三角形隶属函数模糊信息粒化的思路，将一定时间窗口的光伏发电功率历史数据进行模糊粒化。粒化后的窗口内历史数据包含功率变化值的最小值、最大值和平均值，形成了新的训练集，进一步对训练集采用极端学习机算法进行训练与预测，实现了光伏发电功率的区间预测。以某地区的光伏发电功率历史数据为算例进行了验证，结果表明：本文提出的方法可以预测光伏发电功率的波动范围，光伏发电功率真值全部包含在所预测的区间范围内。该方法对包含光伏新能源发电的电网调度计划具有工程实践意义。

针对光伏发电的不确定性导致频率波动和电力系统不稳定带来的不利影响，本文采用改进模块化神经网络（MNN）对光伏发电功率进行预测，即利用回声状态网络代替MNN中原训练子模块模型。首先按季节输入历史数据；再经任务分解模块将数据分为不同天气类型的子数据，与预测日及预测日前一日的平均温度作为子模型输入样本；利用回声状态网络作为预测子模型，对相应输入样本训练与发电功率预测；最后经整合输出模块输出预测结果。结果表明，此方法较本文选用的其他方法预测精度提高28%以上。