隨著人類(lèi)社會(huì)不斷的進(jìn)步，我們對(duì)于能源的需求越來(lái)越大，但是常規(guī)能源如：煤炭，石油，天然氣等卻越來(lái)越少。太陽(yáng)能作為一種取之不盡的清潔能源越來(lái)越受到重視。目前，光伏并網(wǎng)發(fā)電是利用太陽(yáng)能的一種有效方法，但是光伏發(fā)電系統(tǒng)容易受到太陽(yáng)輻射強(qiáng)度，當(dāng)?shù)仫L(fēng)速和周邊環(huán)境溫度的影響，導(dǎo)致輸f出功率具有隨機(jī)性，給電網(wǎng)部門(mén)安排光伏發(fā)電和常規(guī)電源造成巨大的困難。因此為了降低光伏發(fā)電量的不確性，對(duì)光伏發(fā)電系統(tǒng)輸出功率進(jìn)行預(yù)測(cè)就具有深遠(yuǎn)的現(xiàn)實(shí)意義。近年來(lái)，光伏發(fā)電量預(yù)測(cè)方法主要是直接或間接的基于歷史數(shù)據(jù)作為各種模型的輸入，然后通過(guò)模型來(lái)預(yù)測(cè)輸出功率。比較常用的預(yù)測(cè)模型有傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)，但是BP網(wǎng)絡(luò)學(xué)習(xí)算法收斂慢和容易陷入局部最優(yōu)的不足會(huì)導(dǎo)致預(yù)測(cè)精度不高。還有利用相似日模型，基于日歷史數(shù)據(jù)趨勢(shì)對(duì)未來(lái)日光伏發(fā)電功率進(jìn)行預(yù)測(cè)，但該算法只適用于對(duì)短期的光伏發(fā)電功率預(yù)測(cè)。也有利用支持向量機(jī)（SVM）網(wǎng)絡(luò)和Elman反饋神經(jīng)網(wǎng)絡(luò)把光伏發(fā)電的歷史數(shù)據(jù)和天氣數(shù)據(jù)作統(tǒng)一作為訓(xùn)練樣本，從而構(gòu)建了光伏發(fā)電系統(tǒng)發(fā)電功率預(yù)測(cè)模型，得到了相對(duì)較好的預(yù)測(cè)精度。因此，為了得到更高的預(yù)測(cè)精度，文中基于Leakv-ESN具有訓(xùn)練萬(wàn)法簡(jiǎn)單，預(yù)測(cè)精度高的優(yōu)點(diǎn)，利用其對(duì)光伏發(fā)電系統(tǒng)輸出功率進(jìn)行預(yù)測(cè)。