太陽能變化趨勢主要受到當地地理條件和氣象條件的影響。地理條件的影響有明顯規(guī)律，可以根據當地經緯度計算出全年太陽的運行軌跡，并結合光伏電池陣列自身的參數計算出太陽能變化的一個總體變化趨勢。但該趨勢并不能反映出幾小時內，甚至不能反映出幾天內的太陽能變化的大致情況。
氣象條件對于太陽輻射的影響是最直接的。要實現幾小時內的太陽能趨勢預報，就必須找到根據氣象條件推算出太陽能趨勢的計算方法。近年來，隨著太陽能產業(yè)的飛速發(fā)展，對太陽能光伏發(fā)電預測要求的不斷增加，發(fā)達國家對太陽能光伏發(fā)電預測的研究較早、發(fā)展較快。目前，我國對太陽能光伏發(fā)電預測技術的研究還處于起步階段，需進一步深入研究與實驗。
太陽能輻射的預測方法主要有三大類：
第一類：基于歷史氣象數據和光伏發(fā)電量數據的研究，采用統(tǒng)計學方法進行分析建模；
第二類：基于衛(wèi)星云圖資料數據和地面監(jiān)測資料數據，通過衛(wèi)星、雷達圖象處理，計算出實時太陽能輻射的預報方法；
第三類：基于數值天氣預報的預測方法。
1.第一類預測方法
第一類預測方法，其模型的建立不考慮太陽輻射變化的物理過程，通過對歷史觀測數據資料進行分析和處理，以歷史發(fā)電量預報未來發(fā)電量。一般采用回歸模型預測、神經網絡等數學方法，建立光伏發(fā)電系統(tǒng)與氣象要素相關性的統(tǒng)計模型，進行發(fā)電量預測。該方法模型構造及運算方法較為簡單，但只適應于發(fā)電量變化不大的平穩(wěn)時間序列，對于發(fā)電量變化較大的時間序列，誤差較大。
1.1 回歸模型預測
回歸模型預測根據歷史資料，，找出天氣變化與太陽輻射的關系及其變化規(guī)律，建立可以進行數學分析的數學模型，對未來的太陽輻射進行預測。該方法其特點是將預測目標的因素作為變量，將預測目標作為常量。利用給定的多組變量和常量資料，研究各種變量之間的關系。利用得到的回歸方程式來表示變量與常量之間的相對關系，從而達到預測太陽輻射的目的。在大量的實驗與實踐中得出，變量誤差較大，尤為正午時誤差明顯。
回歸模型預測對于非線時間序列的太陽輻射數據預測結果并不理想。人工神經網絡方法較回歸模型預測誤差較小。
1.2 人工神經網絡
人工神經網絡方法采用神經網絡技術，建立發(fā)電量與太陽總輻射、板溫的函數模型，歷史數據結合效果較好。目前研究最多的是應用誤差反向傳播算法（bp算法）進行短期預期。該算法的主要思路為將歷史數據和影響太陽輻射最大的幾類因素作為輸入量輸入人工神經網絡，經過輸入層、隱含層和輸出層中各種數據運算從而生成輸出量；再以設定誤差為目標函數對人工神經網絡權值進行反復修正與完善，直至達到設定誤差值。
在傳統(tǒng)統(tǒng)計無法滿足要求時，可利用人工神經網絡進行預測方法，但該方法同樣基于歷史氣象數據進行預測，發(fā)電量預報嚴重依賴于太陽總輻射預報準確：未能找出影響光伏發(fā)電量的關鍵逐時氣象要素，對突發(fā)及隨機的天氣變化預測較難控制。
2.第二類預測方法
第二類預測方法主要利用衛(wèi)星遙感技術完成太陽輻射的預測。衛(wèi)星遙感是指以人造衛(wèi)星為傳感器平臺的觀測活動，是通過勘測地球大氣系統(tǒng)發(fā)射或反射的電磁輻射而實現的。它包括對地觀測以及面向太空環(huán)境的觀測活動，其中對地觀測是目前衛(wèi)星遙感的主要內容高空間分辨率圖像數據和地理信息系統(tǒng)緊密結合，為太陽輻射預測提供了可高依據。
1960年，第一顆泰羅斯衛(wèi)星將第一幅可見光云圖傳送至地球，使人們看到了用衛(wèi)星遙感的巨大潛力。從此，以氣象衛(wèi)星技術的逐步完善為開始，又逐漸出現了遙感地球大氣、地球表面陸地、海洋特征以及監(jiān)測地球環(huán)境的各種衛(wèi)星。
美國的衛(wèi)星遙感技術一直處于世界領先地位，代表了衛(wèi)星遙感技術的發(fā)展水平。歐洲、加拿大、日本等國都在大力發(fā)展研究遙感技術。我國的第一顆地球同步氣象衛(wèi)星“風云2號”，于1997年6月10升空，標志著我國衛(wèi)星遙感技術邁上了新的臺階。
經過大量的研究與實踐表明，衛(wèi)星遙感技術獲取的小時地面輻射數據與地面觀測的輻射數據偏差較大，最大誤差可達到均方根誤差20%-25%。因此如何更好的較小誤差，準確的統(tǒng)計、預測將成為遙感技術的發(fā)展方向。
3.第三類預測方法
第三類預測方法主要利用數值模擬方法進行預測，即用數學物理模式對大氣狀況進行分析，用高速計算機求解進行預報的方法。該方法根據描述大氣運動規(guī)律的流動力學和熱力學原理建立方程組，確定某個時刻大氣的初始狀態(tài)后，就可通過數學方法求解，計算出來某個時間大氣的狀態(tài)，就是通常所說的天氣形勢及有關的氣象要素如溫度、風、降水、輻照度等。數值模擬預測方法預測的時間較長，目前，可預測40h甚至更長的數據。
數值模擬方法中的氣象和環(huán)境因素最為復雜，難以精確確定，所以預報的誤差不僅存在，對于短時又特別復雜的變化，準確度更是大大降低。因此精準度的提高一直是目前研究的重點和難點。