通过对影响光伏发电量产生的因素进行分析比较，在模糊双曲正切模型的基础上，建立一种光伏发电量的短期预测模型。该模型既属于模糊模型，也属于神经网络模型的范畴。可以利用其强大的学习能力，以光伏发电系统的历史数据作为训练样本，对模型进行学习，并利用得到的稳定模型对光伏发电量进行短期预测。仿真结果表明，该预测模型与其他预测方法相比有更高的预测精度。

受天气状况、辐照度、温度、湿度等气象因素的影响，光伏系统的输出具有很强的非线性和非平稳性的特点，光伏发电量预测精度较低。该文根据光伏系统的历史发电数据和实际气象数据，采用模糊识别与RBF神经网络相结合的方法，实现光伏系统发电量的短期预测。首先对影响预测结果的气象因素进行分析，然后按天气类型进行分类，对不同的天气类型分别建立模型进行训练，最后利用此模型预测未来的光伏系统发电量，并通过实验仿真验证。预测结果表明，该方法不但减少了模型所需样本数量而且提高了预测的精度，具有一定的科研价值。