分布式光伏电站因装机容量小、空间分布较广,受制于成本、技术等因素,很大比例的小容量分布式光伏电站并未单独配备完善的电站监控系统,并且难以获取精确的数值天气预报。因此,不同于大型光伏电站,这类电站无法采用基于气象信息的预测方法。为利用现有条件实现尽可能多的分布式光伏电站的出力预测,亦或为分布式光伏出力超短期预测提供一种新的思路,本文利用大数据思维对光伏电站间的历史出力轨迹的相关性进行挖掘,提出一种基于空间相关性的分布式光伏功率超短期预测技术,将缺乏预测条件的目标光伏电站映射到预测条件丰富的参考光伏电站,从而实现对目标光伏电站的超短期预测。本文主要进行了以下具体工作:(1)基于层次聚类算法的分布式光伏出力轨迹相关特征匹配。首先,在现有分布式光伏出力轨迹特征研究的基础上,类比时序相关性提出了空间相关性的相关概念及判定原则,并分析了时序相关匹配与空间相关匹配的区别与联系以及各自的适用范围。之后,提出了利用层次聚类算法实现空间相关匹配及时序相关匹配的算法流程,并通过仿真验证了其可行性。(2)基于空间相关性的分布式光伏出力主从预测方法。研究被聚类为同一类的光伏电站间的历史出力轨迹的空间相关关系,并建立表征该空间相关关系的数学模型,以参考光伏电站的超短期预测作为模型输入,输出目标光伏电站的超短期预测结果。其中,参考光伏电站利用丰富的预测条件,通过BP-人工神经网络等方法对历史样本数据进行训练,得到一个以气象信息作为输入,以有功出力作为输出的人工神经网络预测模型,从而基于数值天气预报可以得到参考光伏电站的超短期出力预测结果,进而根据相关关系计算出目标光伏电站的预测出力曲线。(3)影响主从预测方法预测精度的关键因素研究。研究时空延迟特性、动态空间匹配与静态空间匹配、不同参考光伏电站、聚类阈值以及日前匹配天数这5个关键影响因素对空间相关匹配与主从预测方法的影响,为进一步确定合理的关键参数取值范围提供依据。本文通过多个仿真算例验证了基于轨迹空间相关特征的分布式光伏超短期预测方法的可行性,预测效果整体要优于时序相关法,解决了分布式光伏无法采用基于气象信息预测方法的问题,为分布式光伏并网发电的有效调控提供依据,具有重要的实际应用价值。