光伏发电作为可再生能源发电方式的重要形式,具有清洁、无污染、可持续的优点,发展前景极为广阔。由于受到诸多因素影响,光伏发电功率具有波动性、间歇性和非线性的特点,光伏大规模并网容易对电网造成冲击,影响电网正常安全运行。已有的光伏发电功率预测研究多依赖于历史观测资料,不利于复杂天气的光伏出力预测。鉴于此,本文提出基于WRF短期预报输出的光伏发电量预测方法。主要工作如下:首先,根据光伏发电基本原理建立太阳能电池的数学物理模型,利用Simulink仿真建立考虑面板积尘的太阳能工程用模型,获取并分析太阳能电池的输出特性,分析考虑积尘的实际辐照度、温度、湿度、天气日类型等气象因子对光伏出力的影响。其次,利用WRF模式对光伏发电的气象影响因子进行预测,探究了模式运行参数设置对预测效果的影响。按不同模式分辨率、微物理过程与积云参数化方案进行辐照度预报的敏感试验,发现提高模式分辨率有利于减小预报误差,不同物理过程方案的选择也会影响预报结果。选择较好的模式运行方案对宁夏中卫市6-7月天气进行预报,预报结果发现,WRF模式对不同天气的预报能力存在差异,对阴雨多云天气预测效果较差。按天气类型分别建立了辐照度MOS订正方程,减小了 WRF预测的误差。最后,建立基于WRF输出的GA-BP神经网络的光伏发电预测模型,详细介绍并分析了 BP神经网络算法及优缺点,引入遗传算法(GA)优化BP神经网络的权值和阈值,采用经遗传算法改进的BP神经网络对不同天气的光伏发电功率进行预测,具备一定的预测能力。