随着国内外光伏发电行业的蓬勃发展,光功率预测技术及逆变器技术也得到了较快的发展。但现阶段光功率预测系统的准确性不太理想,而逆变器的转换效率还有继续提升的空间。本文针对这种状况,提出两种对应的方法:(1)将BP神经网络应用于光功率预测;(2)将跟踪光伏电池最大功率点的定步长电导增量法改为变步长电导增量法,并在此基础上对变步长电导增量法继续改进。本文主要完成了以下工作:(1)利用MATLAB设计搭建了 BP神经网络的模型,并用某一光伏电站的气象数据训练该网络,最后将该光伏电站另外一天的气象数据输入该神经网络,将得到的预测输出功率与光伏电站自身的光功率预测系统相对比。(2)利用MATLAB设计搭建了光伏电池的仿真模型及测试模型,并与实际的某一型号的光伏电池进行了特性比对,说明搭建的电池模型与实际电池的特性一致,并且搭建了 MPPT模型,比较了定步长与变步长的电导增量法在跟踪光伏电池最大功率点方面的能力;然后又比较了变步长电导增量法与改进后的变步长电导增量法跟踪光伏电池最大功率点的能力。仿真结果表明:搭建的BP神经网络模型在光功率预测方面比光伏电站自己的光功率预测系统准确度高;证明了变步长电导增量法比定步长电导增量法对电池的最大功率点跟踪能力强,而改进后的变步长电导法比变步长电导法对电池最大功率点有更好的跟踪效果,能发出更多的电能。本文讨论的方法只是从某一方面对原系统进行改进,没有从综合层面全面考虑改进方案,只有从综合层面全面考虑,才能满足对行业对光功率预测精确度及逆变器效率越来越高的要求。