太阳逐日辐射能量的预测工作对于近年来国内外广泛开展的光伏发电与并网工作有着极其重要的作用与意义。太阳逐日辐射能量由于其具有较强的非线性、大间歇非平稳性、混沌特性以及过程时间属性因而难以对其进行有效的实时在线预测。目前，国内外已有的预测模型对于太阳逐日辐射能量序列所包含的各种特性考虑不够完全，均存在不同程度上的不足，因此对太阳逐日辐射能量的预测工作做进一步的研究和探索是十分有意义和价值的。本文将傅里叶变换和小波神经网络相结合，等效地构建了太阳逐日辐射能量过程小波神经网络预测模型，实验证明该模型具有一定的理论创新性和较好的可推广性，为太阳逐日辐射能量预测模型的研究和探索工作提供了一种新思路。本文的研究工作如下：1．对太阳逐日辐射能量序列做了定性分析，确定了该序列具有非线性、大间歇非平稳性、混沌特性以及过程时间属性这几个主要特性；明确了太阳逐日辐射能量序列的变化与每日的气象因素也有着极大的关联性。2．将傅里叶变换和小波神经网络相结合，等效地构建了太阳逐日辐射能量过程小波神经网络预测模型。该模型不仅可以对数据所含有的过程时间属性加以提取和处理，实现数据的实时在线预测，也同时具有较为简单的网络结构和较高的运算效率，为太阳逐日辐射能量的预测工作提供一了种新思维、新途径。3．采用太阳逐日辐射能量序列相空间重构的嵌入维数作为预测网络输入函数的输入时间长度；通过对辐射能量数据小波分析的结果确定了网络隐层节点的数量；通过实验法确定了输入数据的傅里叶展开次数。4．选用来源于美国国家航空航天局官方网站，观测点为合肥、海南三亚市、哈尔滨地区2006年至2010年太阳逐日辐射能量数据及相关气象数据作为本文的实验数据，运用Matlab R2009b仿真软件对预测模型进行了训练并利用预测模型实现了太阳逐日辐射能量的实时在线预测，仿真结果表明该方法可行有效。