摘要：为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络（SNN）的预测模型。该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力。考虑季节类型、天气类型和大气温度等主要影响因素,该模型采用灰色关联分析法选取相似日。本文应用实际光伏发电系统的数据分别对基于SNN、BP人工神经网络（BP-ANN）和支持向量机（SVM）的预测模型进行测试和评估。预测结果表明：SNN预测模型相比于BP-ANN和SVM模型有较高的预测精度和较强的适用性,可以为光伏系统发电功率预测提供一种可行方法。

关键词：光伏系统 spiking神经网络 spikeprop算法 相似日选择算法 发电功率预测 

单位：河海大学能源与电气学院; 南京210098; 阿尔斯通电网技术中心有限公司; 上海201114; 美国阿尔斯通电网技术公司; 华盛顿98052