在电能生产过程中,传统发电厂造成的污染会对周围环境和人民生活产生严重的影响,而以光伏(PV)为代表的分布式发电,则有助于减少这种污染。在发电过程中,太阳能电池板能够完全没有噪音地产生清洁能源(称为绿色能源),这为远离电网的城区供电和有阳光的住宅供电提供了良好的解决办法。通常,通过使用电池储能系统来平衡光伏发电的波动。在维持盈利能力、估算收益回报和保证用户的服务质量等方面,精准预测和防止电力波动的能力对于太阳能光伏电站的运营商而言是非常重要的。光照强度的变化会导致发电量的快速波动,从而降低大型并网光伏电站发电的质量和可靠性。预测是管理光伏发电波动性和不确定性的一种重要方法,应将其纳入系统规划和运营中来。现有大多数研究都没有考虑日前计划和实际功率可能存在的偏差,这可能导致日前计划的失败。首先,本文使用基于非线性自回归的神经网络在日前对光伏发电量进行预测。人工神经网络(ANN)模型是预测领域的一种强大工具,许多学者已经提出了不同类型ANN模型的优势。非线性自回归神经网络(NARNN)是ANN模型的一种,它利用时间序列的过去值来预测未来值。在NARNN的训练中,双曲正切传递函数表现良好。其次,在日前,通过电池的有功功率控制,生成基于模型预测控制(MPC)的实时调度模型(混合整数二次规划),来保持对光伏输出功率的追踪。在实时调度中采用基于MPC的滚动优化方法。最后,通过研究三个案例来评估NARNN在光伏发电预测中的性能及其预测误差控制,预测误差控制可以通过使用模型预测控制以及通过控制BESS的有功功率控制来实现。