随着资源危机与环境问题的日益凸显,世界各国在以光伏发电为代表的可再生能源逐步替代传统能源问题上达成了共识。随着光伏并网规模的逐渐扩大,其作为可再生能源所特有的波动性与随机性对电力系统的安全稳定运行带来了挑战,这一特性也为光伏渗透率的进一步提升带来了困难。为此,对电力系统稳定性带来冲击的光伏输出功率波动引起了学者的广泛关注。其中,在短时间内发生的大幅度的光伏输出功率变动被称为光伏功率爬坡事件。实现对光伏功率爬坡事件的正确识别与准确预测对于促进光伏功率消纳,降低运行成本以及提高电网安全稳定运行能力等方面具有重要意义。不同于其他能源形式,光伏发电所依赖的太阳能资源由于地球的自转与公转具有明显的日周期变动特性,这一特性仅与时间和地理位置有关。该特性模型的准确建立将能够反映光伏电站在某天内各个时刻能够实现的最大功率输出。同时,太阳能资源的日周期特性会带来光伏输出功率的日周期性变动。对于光伏功率爬坡事件而言,日周期性波动作为规律性的预期变动并非关注的重点,由气象因素突然变动而引发的非规律性功率变动。在此背景下,若在光伏功率爬坡事件的识别过程中未考虑由日周期性引起的规律变动影响,所得到的爬坡预警信号也将在一定程度上失去预警意义,甚至增加运行成本并破坏电力系统的可靠性。光伏功率爬坡事件多由极端气象因素引发,此类气象条件出现的频率较低因此可用的历史统计样本较少。对光伏功率爬坡事件预测而言,历史观测样本有限也是困扰爬坡事件准确预测的重点难题。在此条件下,若武断地依据有限的样本给出确定性预测结果,不仅失去了工程实际应用价值,甚至会引发错误预测导致系统失稳。本文首先通过分析光伏输出功率的日周期特性,提出了考虑日周期性影响的光伏功率爬坡事件识别方法。该方法通过定义新的光伏爬坡特征量,以有效剔除光伏发电功率中的日趋势性变化。进而基于考虑日周期性影响的光伏功率爬坡事件定义,提出了一种光伏功率爬坡事件非精确概率预测方法。为了避免光伏爬坡事件历史样本有限可能引发的预测误差,采用了非精确概率的预测结果形式用来放反映样本有限本身带来的不确定性。通过结构学习算法构建了与样本数据最为匹配的最优信度网络结构。其中,反映信度网络中各节点间关联关系的非精确条件概率参数由多状态随机变量的非精确狄利克雷模型统计得到。最后,根据给定气象条件,对信度网络结构进行推理计算得到各爬坡状态发生的概率区间。在进一步对地区电网光伏爬坡事件的研究中,以光伏集群所在系统频率波动对应所允许的功率波动范围为依据,实现对地区电网的光伏集群功率爬坡事件的等级划分。同时考虑到地区电网的光伏集群功率爬坡事件预测存在计算量大、影响因素众多等问题,借助主成分分析法对集群区域内光伏电站的众多气象因素进行数据压缩与降维处理。压缩所得到的的各阶主成分间相互独立,采用朴素信度网络结构建立非精确概率预测模型。通过建立气象主成分与各爬坡等级间的直接映射,推理得到不同爬坡等级发生对应的非精确概率结果。最后采用信度分类器将各等级对应的非精确概率结果进行进一步分析,输出地区电网光伏功率爬坡事件的分级预警结果。本文方法通过引入非精确概念,实现了对样本有限可能导致预测不准确的充分描述,同时采用基于样本的网络结构,实现了对样本信息的充分挖掘与提取,预测模型中的参数也可以依据预测者风险态度的不同进行设置,进而得到迎合不同风险态度的区间概率预测结果,为解决样本有限条件下的光伏功率爬坡事件预测提供了新的思路。针对地区电网的分级预警方法不仅可以实现对地区电网光伏爬坡事件的分级非精确概率预测,同时还可以输出基于非精确概率预测结果的分级预警结果,可为电网运行调度人员提供更准确更直接的预警信息。