分布式光伏功率预测是应对光伏发电间歇性与波动性、保障电网稳定运行的关键技术。其主要方法可分为物理方法和统计方法。物理方法基于光伏组件的物理模型和气象数据（如辐照度、温度）进行功率计算，不依赖历史数据，但需要精确的设备参数和气象信息。统计方法则利用历史功率数据和气象数据，通过机器学习算法（如支持向量机、随机森林）或深度学习模型（如长短期记忆网络、卷积神经网络）建立预测模型，能够有效捕捉时间序列特征。近年来，混合方法被广泛研究，它结合物理模型与统计模型，或集成多种算法（如神经网络与极限学习机），以提升预测精度。此外，随着气象卫星和数值天气预报的发展，数据驱动的超短期预测（分钟级）受到关注。未来研究重点包括：提高复杂天气下的预测鲁棒性、优化分布式光伏集群的预测协同、以及降低数据采集成本。