分析了光伏系統(tǒng)的發(fā)電特性以及影響光伏發(fā)電的因素，建立了反饋型神經(jīng)網(wǎng)絡(luò)光伏系統(tǒng)發(fā)電功率預(yù)測模型。該模型采用 Elman 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，利用其強(qiáng)大計(jì)算能力、映射能力和穩(wěn)定性，將光伏發(fā)電的歷史數(shù)據(jù)和天氣情況一同作為樣本，對模型進(jìn)行訓(xùn)練和發(fā)電功率預(yù)測。仿真結(jié)果表明，該方法建立的預(yù)測模型具有較高的精度，為解決光伏系統(tǒng)發(fā)電功率預(yù)測提供了一種可行路徑。

　　大規(guī)模光伏并網(wǎng)發(fā)電是利用太陽能的一種有效方式，但光伏發(fā)電系統(tǒng)受光照強(qiáng)度和環(huán)境溫度等因素的影響，其輸出功率的變化具有不確定性，不利于電網(wǎng)調(diào)度部門安排常規(guī)電源和光伏發(fā)電的協(xié)調(diào)配合。因此，需要對光伏系統(tǒng)的輸出功率預(yù)測進(jìn)行研究，預(yù)先獲得其輸出功率曲線，從而協(xié)調(diào)電網(wǎng)調(diào)度部門統(tǒng)籌安排，減少光伏發(fā)電隨機(jī)性對電力系統(tǒng)的影響，提高系統(tǒng)安全性和穩(wěn)定性［1-4］。

　　光伏發(fā)電功率預(yù)測方法分為兩類：間接法和直接法。文獻(xiàn)［5］為間接法，即采用光照強(qiáng)度歷史數(shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)方法進(jìn)行光照強(qiáng)度預(yù)測，然后通過光照強(qiáng)度和環(huán)境溫度等參數(shù)計(jì)算光伏輸出功率，文獻(xiàn) ［6-7］為直接法，即采用光伏系統(tǒng)歷史發(fā)電數(shù)據(jù)，分別建立支持向量機(jī)和 BP 神經(jīng)網(wǎng)絡(luò)模型對光伏出力和光伏發(fā)電量進(jìn)行短期預(yù)測。本文采用反饋型神經(jīng)網(wǎng)絡(luò)（RNN）建立光伏系統(tǒng)發(fā)電功率預(yù)測模型，與前饋型神經(jīng)網(wǎng)絡(luò)（FNN）預(yù)測模型進(jìn)行比較，其計(jì)算速度更快，準(zhǔn)確性更高。