目前世界的能源和环境保护之间的平衡存在着很大的问题,所以可持续发展这一理念得到了人们的关注。随着全世界各国的科技飞速发展,光伏发电的价值与应用逐渐被人们发掘。电池板作为光伏发电最重要的元件,承载着能源转换的作用,晶体硅的光生伏打效应可以实现光能和电能的转换。虽然太阳能具有廉价、清洁、高效的优势,但是随着太阳能发电站越来越多,占发电系统中的比例也越来越大,而且太阳能发电的效率受天气影响较大,导致并网功率变化较大,不利于电网系统平稳运行。所以非常有必要在电站端采取相应的措施,对其并网有功功率进行合理控制,来满足调度要求,维持电网安全稳定运行。通过大量阅读相关国内外文献,确定本文从以下几个方面进行研究:在并网功率预测这一环节上,首先进行BP神经网络预测方法的研究,在此基础上引入小波神经网络预测方法。通过对比两种预测方法,确定小波神经网络在本文的预测应用上具有优势性。建立与待测日天气类型相同的相似日样本集,利用吉林省洮南市某光伏电站的历史发电数据作为输入数据,对所选的晴天、多云、阴雨天等天气类型时的光伏电站整点时刻并网有功功率进行预测,得到光伏电站短期并网有功功率预测值,供电网制定调度计划和光伏电站站内控制时使用。在有功功率站内控制策略上。由于天气环境因素极大程度上影响光伏发电的并网功率输出,使其输出功率不稳定。又因为以往的并网有功功率控制存着对逆变器使用过度的情况和电能转化率不高的问题,所以本文提出了一种经济优化控制法。以光功率预测为基础对电站并网有功功率进行控制,使电站同一时刻开启逆变器最少,并网的有功功率最大。