随着人类对能源需求的增加,太阳能的利用受到了越来越广泛的关注,光伏发电因其无污染、可再生的特点,作为一种可持续的能源,近年来受到了国内外学者们的广泛关注。但光伏发电具有间歇性、随机性,光伏发电功率的波动会影响电网的稳定性及电能质量,因此光伏发电预测技术是一项亟需深入研究的工作,准确预测光伏发电功率对电网的优化调度、电能质量均有较好影响。本文首先通过华能营口热电有限责任公司光伏观测站数据分析了光伏发电功率的波动特性及其影响因素,通过分析表明,季节、天气类型对光伏发电功率的波动特性具有重要影响。基于传统粒子群算法存在粒子“早熟”的问题,本文通过对粒子群算法改进,删除了惯性权重并增加了随机因子,提高了粒子群算法的全局收敛性。用粒子群算法优化了神经网络光伏发电预测模型,通过预测数据与实测数据的比较,验证了本文所提出方法的有效性。基于以上理论研究,本文设计了光伏发电功率预测系统,可以将本文所提出的算法应用到实际中。本文设计的光伏发电功率预测系统,按照电力二次系统安全防护规定,配备了反向物理隔离装置以保障数据传输的安全。此外,还设计了该系统的软件结构与硬件结构,并对该系统的功能加以展示。通过本文的分析可以得出结论:季节、天气类型对光伏发电功率具有较大影响,在预测光伏发电功率时应将同季节的天气类型相似日功率作为神经网络模型的输入层;删除了惯性权重并增加了随机搜索因子可以提高粒子群算法的全局搜索能力,从而得到更好的神经网络模型以准确预测光伏发电功率;晴天的预测效果要明显优于云天和雨雪天,因此云天和雨雪天气的光伏发电功率波动规律还有待更深入研究。