光伏發電出力的可預測性較低，相比點預測而言，光伏發電出力的概率性預測能夠提供更多的信息，有利于電力系統的安全經濟運行。提出了一種基于 Copula 理論的光伏發電出力的條件預測誤差分布估計方法。采用 Copula 函數對光伏實際出力與點預測的聯合概率分布進行建模，實現了任意點預測對應的光伏實際出力的條件概率分布的估計。針對天氣狀況，對光伏預測精度影響較大的實際情況，采用聚類的方法按天氣類型將歷史數據進行分類，針對每類天氣類型的光伏預測誤差分別進行建模以提高預測誤差估計的準確度。以 20 1 4 全球能源預測競賽（GEFC 20 1 4）中的光伏出力數據進行了實證分析，驗證了所提出方法對光伏出力條件預測誤差估計的有效性，結果表明提出的方法在校準性和銳度方面均優于常用的正態分布的預測誤差估計方法。

　　基于 Copula 理論的條件預測誤差分布

　　隨機變量之間的相關性反映了一個隨機變量的概率分布受另一個隨機變量取值的影響程度。通常采用線性相關系數或協方差描述隨機變量之間的相關性。然而，線性相關系數僅能表示隨機變量相關性的測度，難以反映隨機變量詳細的相依結構;聯合概率分布雖然包含了隨機變量完整的相依結構，但聯合概率分布通常難以被解析地表示［15］。尤其是各隨機變量具有不同的邊緣分布［1 6］的情形（邊緣分布指多元聯合分布中每個單個變量自身的一維概率分布），例如一個變量為貝塔分布，而另一個變量為高斯分布時，則很難用一個解析的雙變量函數來刻畫它們的聯合概率分布，因此其實際應用價值不高。 Copula 理論為描述隨機變量之間的相依結構提供了一種有效的途徑。該理論將多個隨機變量聯合分布寫為各自的邊緣分布以及它們之間連接關系的復合函數。以二維情況為例，可如下敘述 Copula 理論。