光伏发电面临间歇性、随机性和波动性等问题,大规模并网可能会给电网运行带来安全性和稳定性挑战。本文提出利用不同特性的储能元件组成混合储能系统,通过与光伏电站优势互补,组成光储混合系统,以期达到有效平抑光伏并网功率的波动的目的。建立了光储混合系统中光伏电池、铅炭电池和超级电容器的数学模型,其中光伏电池模型表现出良好的I-U特性和P-U特性,铅炭电池展现良好的储能能力,超级电容器具备快速充放电能力,进而提出了用于平抑光伏功率波动的光储混合系统并网结构。提出了基于相似日理论和Elman神经网络的光伏发电功率预测模型。基于皮尔逊相关系数确定气象特征向量,通过计算历史日与预测日的相似程度选取相似日。建立Elman神经网络,对三种天气类型下的光伏发电功率分别进行预测。基于甘肃省某50 MW光伏电站的实测数据进行仿真,算例结果表明,预测模型在三种天气类型下都具有较高的预测精度,最大的平均绝对百分比误差为11.86%,均方根误差为1.39 MW,可生成典型光伏场景,作为后续平抑光伏功率波动的算例数据。提出了基于自适应变分模态分解（VMD）的混合储能系统平抑光伏功率波动方法,可以自适应地确定分解模态数和并网模态数。采用VMD-Hilbert方法将混合储能系统的低频和高频功率分别分配给铅炭电池和超级电容器。建立了混合储能系统经济性评估模型,结果表明,典型光伏场景经自适应变分模态分解后,三种天气类型下的最大光伏功率波动率分别降至8.53%/5 min、9.72%/5 min和9.60%/5 min,满足光伏并网波动标准。基于对并网模态数的优化,晴天和多云天混合储能系统的功率配置可分别降低36.25%和28.59%。与使用经验模态分解（EMD）相比,多云天混合储能系统全寿命周期年化成本降低了27.39%。该研究期望能够为光伏电站制定功率波动平抑策略、安全稳定并网提供借鉴和参考。