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)絡光伏系統(tǒng)發(fā)電功率預測模型。該模型采用 Elman 神經(jīng)網(wǎng)絡結(jié)構，利用其強大計算能力、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，對模型進行訓練和發(fā)電功率預測。仿真結(jié)果表明，該方法建立的預測模型具有較高的精度，為解決光伏系統(tǒng)發(fā)電功率預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)的輸出功率預測進行研究，預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)電功率預測方法分為兩類：間接法和直接法。文獻［5］為間接法，即采用光照強度歷史數(shù)據(jù)，通過神經(jīng)網(wǎng)絡方法進行光照強度預測，然后通過光照強度和環(huán)境溫度等參數(shù)計算光伏輸出功率，文獻 ［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和 BP 神經(jīng)網(wǎng)絡模型對光伏出力和光伏發(fā)電量進行短期預測。本文采用反饋型神經(jīng)網(wǎng)絡（RNN）建立光伏系統(tǒng)發(fā)電功率預測模型，與前饋型神經(jīng)網(wǎng)絡（FNN）預測模型進行比較，其計算速度更快，準確性更高。