1. 研究目的与意义（文献综述）

由于世界经济的迅猛发展，能源需求不断上升，传统能源和技术不足以供应人类生活生产所需，并且化石等燃料的燃烧给环境带来了污染，给人类生存和生态平衡带来严重威胁^[1]。科学界普遍认为人类活动正在影响气候变化，大多数这种影响来自电力行业引起的化石燃料燃烧。 2012年，美国温室气体排放总量的32％来自电力行业，是所有行业中最高的。因此，可再生能源如风能和太阳能等成为了人类推崇的新能源。

太阳能具有绿色环保无污染的特点，其资源开发利用是整个可再生资源中投资增长速度最快的^[2]，在化石能源日趋紧张以及全球倡导绿色能源的大背景下，太阳能的的开发利用成为各国能源战略的重要组成部分，由于硅和光伏组件的价格下跌，大规模制造技术的进步，许多政府的激励，成熟和有利的互连协议的扩散以及电力转换器技术的持续技术改进，光伏产业预计将继续增长，例如，制造光伏组件的成本显着降低，从20世纪70年代的超过100美元每瓦降至2014年的每瓦不到1.00美元,事实上，大规模批发订单可能导致价格低于每瓦0.60美元。太阳能光伏并网系统的原理是把太阳能光伏系统和电力电网相连接，当太阳能光伏系统发出的电能充裕时，可将剩余电能馈入公共电网，向电网供电；当太阳能光伏系统提供的电力不足时，由电能向负载供电^[3，4]，在背靠电网的前提下，该系统省掉了蓄电池，从而扩张了使用的范围和灵活性，提高系统的平均无故障时间和蓄电池的二次污染，并降低了造价。此外，太阳能光伏并网系统减少了传输和分配损耗。2010年美国的平均传输和分配损失达到5.7％，高峰时段的损失更高，如，2010年南加州爱迪生和太平洋电气公司的估计传输和分配损失超过10％。将分布式光伏发电系统靠近负荷放置可以有助于部分减轻这些损失^[5]。

2. 研究的基本内容与方案

本文首先采用直观和统计学方法分析太阳能光伏并网系统发电和各种影响因素的相关性，提取有用的信息量，确定太阳能光伏并网系统发电量的预测模型，考虑到在随机非线性问题上，神经网络模型相比其它模型的反应能力突出、误差小，可以通过样本数据的反复训练很好模拟样本的规模，本文选择建立神经网络模型来对太阳能光伏并网系统发电量进行预测分析。对模型所需的样本用合适的数据分析方法进行分类处理，最后将分类的数据用不同神经网络模型进行计算分析，再应用matlab软件进行仿真分析，对实际数据和通过神经网络模型得到的预测结果进行对比，加以改进后得出太阳能并网系统的最佳预测方法并分析其有效性^[12-15]。

2.2 研究的目标

3. 研究计划与安排

第1周-第3周：专业文献资料检索，外文资料检索翻译；

第4周：在阅读专业文献的基础上撰写开题报告并开题；

第5周-第7周：设计太阳能光伏并网系统发电量预测的具体方法及预测模型；

4. 参考文献（12篇以上）

[1] 李光明,廖华,李景天，等. 并网光伏发电系统发电量预测方法的探讨[j] 云南师范大学学报, 2011, 31(2): 33-38.

[2] 孟浩，陈颖健. 我国太阳能技术利用现状及其对策[j]. 中国科技论坛. 2009, 5: 96-101.

[3] irtazam.s，kaamran r. predictive energy management and control system for pvsystem connected to power electric grid with periodic load shedding[j]. solarenergy, 2016, 136: 278-287.