近年来,国际社会高度重视环境污染问题,各国均大力开展光伏发电项目。由于光照资源的随机性、间歇性、周期性,光伏电站的投入给并网技术及电网发展规划带来许多问题。光伏并网逆变器作为光伏发电系统与电网连接的桥梁,其模型的准确性直接关系到光伏电站并网运行分析的可靠性。本文基于辨识建模理论,围绕光伏并网逆变器等值建模及参数辨识问题开展了相关研究。首先介绍了光伏并网发电系统各组成单元的数学模型,分析了如何利用系统辨识的方法得到光伏并网逆变系统的等效模型及参数值,确定了从―灰箱‖、―黑箱‖两种建模思路辨识光伏并网逆变器模型。针对―灰箱‖建模方法,本文以光伏并网逆变系统的传统数学模型为基础,辨识控制系统的内外环参数。根据实际光伏电站的结构参数,利用Simulink搭建光伏发电系统的仿真模型,提出了一种基于遗传粒子群(GPSO)算法的光伏并网逆变器辨识方法,通过―代码-模型‖的参数传递方式,同步辨识各参数。与遗传算法、粒子群算法辨识结果的对比表明,GPSO参数优化模型在辨识精度和收敛速度方面具有明显的优越性。最后对该模型的泛化能力进行评价,比较了三种不同扰动下的仿真曲线与测试曲线,验证了模型的适用性和准确性。针对―黑箱‖建模方法,本文重新构建光伏并网逆变系统的等效模型,提出了一种基于递推最小二乘的光伏逆变器动态模型辨识方法,不考虑三相光伏逆变器及其控制系统的拓扑结构,将其整体视为一个―黑箱‖,通过对输入量、输出量的分析将其等效为双输入多输出系统,利用递推最小二乘法在线实时辨识光伏逆变器的动态模型及参数。针对夏季、冬季不同典型天气下的数据集建立光伏逆变器等效动态模型,模型输出与测试数据误差较小,验证了辨识方法的精确性与适用性。另外,模型最优阶较低这一特性也降低了内存占用量,提高了辨识速度。