光伏功率概率预测常用模型：AR、MA、ARMA、ARIMA、非参数回归

1. 自回归模型（AR）

自回归模型是基于时间序列分析的一种方法，它利用历史数据来预测未来的值。自回归模型假设当前值是过去值的线性组合，因此可以通过过去的光伏功率数据来预测未来的光伏功率。

2. 移动平均模型（MA）

移动平均模型也是一种基于时间序列分析的方法，它假设当前值是过去误差的加权平均。移动平均模型可以用来预测光伏功率的随机波动。

3. 自回归移动平均模型（ARMA）

自回归移动平均模型是自回归模型和移动平均模型的结合，它可以同时考虑过去光伏功率的线性组合和随机波动，从而提高预测的准确性。

4. 自回归积分移动平均模型（ARIMA）

自回归积分移动平均模型是自回归移动平均模型的扩展形式，它可以处理非平稳时间序列数据。在光伏功率预测中，ARIMA模型可以用来处理因天气变化等因素导致的非平稳数据。

5. 非参数回归模型

非参数回归模型不需要事先假设数据的函数形式，而是根据数据的分布来进行预测。在光伏功率预测中，非参数回归模型可以用来处理复杂的非线性关系。常见的非参数回归方法包括支持向量回归和神经网络回归等。