分布式能源作为节能减排的重要途径之一，其发展具有重大意义。分布式光伏发电是太阳能利用的有效方式，但其接入对配电网的安全运行产生较大影响。因此，对分布式光伏系统的输出功率进行预测是十分必要的。输出功率预测的方法众多，其中统计方法是一种常见的预测方式，该方法根据模型输入变量和输出结果的统计规律进行预测。
ARIMA模型（自回归积分滑动平均模型）是时间序列预测中的一种常用模型。ARIMA模型将预测对象视为时间序列，并通过分析该序列的自相关性及差分等特性建立预测模型。ARIMA模型在光伏系统输出功率预测中，能够考虑时间序列数据的时序特性，其预测准确度较高。
本研究是关于基于ARIMA时间序列的分布式光伏系统输出功率预测方法的研究。研究首先对接入天津某配电网的分布式光伏系统的输出功率进行特征分析，然后建立基于自回归移动平均模型时间序列的分布式光伏系统输出功率预测模型。这种预测模型简称ARIMA预测模型。本研究还基于时间序列与神经网络的分布式光伏系统输出功率预测模型，简称神经网络预测模型。以及基于时间序列与支持向量机的分布式光伏系统输出功率预测模型，简称支持向量机预测模型。研究中还探讨了利用这些模型对光伏系统的输出功率进行预测。
由于分布式光伏系统输出功率会受到多种因素的影响，比如功率损耗器件老化、表面积灰程度等，而且气象参数变化幅度较小，不能与分布式光伏系统输出功率同步变化。因此，学者们对分布式光伏发电系统输出功率预测方法进行了大量研究，提出了多种预测模型。
例如，李璐等人对某地的分布式光伏系统输出功率的随机特性进行分类提取，并通过拟合得到了该系统输出功率的概率密度分布函数。杨茂先利用周期图法提取光伏系统输出功率的周期性分量，然后提出混合分布模型，并对光伏系统输出功率的随机性分量进行拟合。刘思用非参数核密度估计方法对配电网上空间负荷预测分布规律进行分析。夏冷风将分布式光伏系统的输出功率分解成理想功率归一曲线幅值参数及随机分量部分。分布式光伏系统输出功率具有较强的日月周期性以及较强的季节性，但确定相似日和气象类型的不确定性对分布式光伏系统输出功率的影响程度比较困难。
基于ARIMA时间序列的分布式光伏系统输出功率预测方法研究主要涉及以下几个知识点：
1. 分布式能源和分布式光伏发电的作用与意义。
2. 光伏系统输出功率对配电网安全运行的影响。
3. 统计方法在光伏系统输出功率预测中的应用。
4. ARIMA模型的定义、原理及其在光伏系统输出功率预测中的应用。
5. 光伏系统输出功率受各种因素影响的特性分析。
6. 其他学者对光伏系统输出功率预测方法的研究成果。
7. ARIMA预测模型、神经网络预测模型和基于支持向量机的预测模型的建立与应用。
8. 光伏系统输出功率的周期性、随机性特性及其在预测中的体现。
通过对这些知识点的研究与应用，可以为实现更加精确和可靠的分布式光伏系统输出功率预测提供理论基础和技术支持。
