随着太阳能发电一体化程度的提高，准确的太阳能发电预测对于各种能源市场、电网管理系统、电力调度等都是至关重要的。本文分析了一种由经验小波变换(EWT)和鲁棒最小方差随机向量函数连接网络(RRVFLN)组成的混合预测方法，该方法通过对输入节点进行功能扩展，实现对输出节点的直接连接。RRVFLN在网络的每个隐藏神经元中包含双重激活函数，其参数采用高效的基于正弦余弦和levy飞行的粒子群优化算法(PSOLVSC)进行优化。提出的RRVFLN与最近提出的广泛学习系统有一些相似之处，该系统可以用深度架构取代神经网络来处理大的和时变的数据库。为了检验EWT-RRVFLN模型的太阳能发电量预测精度，我们考虑了阿拉巴马州、Ikitelli和柏林不同季节的历史太阳能发电量数据，将其分为5分钟、15分钟、30分钟和60分钟三个时间区间。
