隨著人類社會不斷的進步，我們對于能源的需求越來越大，但是常規(guī)能源如：煤炭，石油，天然氣等卻越來越少。太陽能作為一種取之不盡的清潔能源越來越受到重視。目前，光伏并網(wǎng)發(fā)電是利用太陽能的一種有效方法，但是光伏發(fā)電系統(tǒng)容易受到太陽輻射強度，當(dāng)?shù)仫L(fēng)速和周邊環(huán)境溫度的影響，導(dǎo)致輸f出功率具有隨機性，給電網(wǎng)部門安排光伏發(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，對光伏發(fā)電系統(tǒng)輸出功率進行預(yù)測就具有深遠的現(xiàn)實意義。近年來，光伏發(fā)電量預(yù)測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，然后通過模型來預(yù)測輸出功率。比較常用的預(yù)測模型有傳統(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)的不足會導(dǎo)致預(yù)測精度不高。還有利用相似日模型，基于日歷史數(shù)據(jù)趨勢對未來日光伏發(fā)電功率進行預(yù)測，但該算法只適用于對短期的光伏發(fā)電功率預(yù)測。也有利用支持向量機（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)測模型，得到了相對較好的預(yù)測精度。因此，為了得到更高的預(yù)測精度，文中基于Leakv-ESN具有訓(xùn)練萬法簡單，預(yù)測精度高的優(yōu)點，利用其對光伏發(fā)電系統(tǒng)輸出功率進行預(yù)測。