光伏功率概率预测通过区间、分位数或概率分布对光伏出力的不确定性进行刻画,为电网调度提供全面的预测信息,从而提升调度运行决策的可靠性。但目前,实现高可靠性的光伏功率概率预测仍面临困难。一方面,由于人为限电、量测与通信设备故障等原因导致缺乏真实可信的光伏功率历史数据;另一方面,现有预测模型在实现多分位点预测时存在“分位点交叉”以及训练成本过高的问题。对此,本文结合光伏发电特性,从数据质量提升、预测模型改进两个方面开展研究,提出了一种基于异常辨识与重构技术的短期光伏功率概率预测方法,其包含的具体的研究内容如下:1)分析了光伏输出功率特性及其影响因素,为光伏功率数据预处理及预测模型输入特征的构建提供理论依据。从日出力均值、离散程度、不对称程度、陡缓程度四个方面量化了光伏功率日出力曲线的波动性特征,并借助聚类与降维可视化技术,分析了光伏功率与天气类型之间的关联性;从线性相关和等级相关两个方面分析了光伏功率时间序列的自相关性,以及光伏功率与辐照度、温度、湿度等气象因素的互相关性。2)提出了面向高比例异常的光伏功率数据预处理技术。基于异常数据在辐照度-光伏功率散点图中的分布特征对异常类型进行了划分,并分析了各类型异常的产生原因;基于LSCP框架对多种基础异常辨识模型进行集成以提高泛化性能,采用局部选择策略提高对局部异常点的灵敏度,有效提升了对高比例异常数据的识别精度;分别针对非连续型和连续型异常建立了基于轻量级梯度提升机的重构模型,并借助随机搜索算法对重构模型的超参数进行优化,以低成本、高精度的方式实现了光伏功率异常值的修复。3)提出了基于藤copula分位数回归的光伏功率短期概率预测模型。利用藤copula对光伏功率及其条件变量间的相依结构进行解析化表达,基于优化算法对藤copula结构及参数进行优化,在此基础上建立起光伏功率条件分位数回归模型;在条件变量中引入光伏功率点预测量,并借助最小化连续秩概率分数（CRPS）权衡可靠性与锐度,筛选出最佳条件组合。算例仿真结果表明,本文方法克服了现有分位数回归方法的缺点,进一步提升了光伏功率概率预测性能。