光伏发电作为可再生能源技术中重要的一部分,近些年来得到了高度的重视和迅速的发展。由于光伏输出功率直接受到太阳辐射的影响,会随之产生较大波动。大规模的光伏发电系统并入电网后,这种波动会严重影响电网系统的安全和稳定。因此,对太阳辐射进行准确预测进而间接预测光伏系统的输出功率,有利于电力部门适时调整调度计划,保证电网的安全稳定和经济运行。本文首先分析了晴朗指数与太阳辐射的关系,提出采用“晴朗指数”这一参数作为太阳辐射预测系统的输入,通过对晴朗指数的特性分析,证明了用其进行太阳辐射预测的有效性。接着提出基于线性预测编码(线性预测方法)和动态神经网络算法(非线性预测方法)的晴朗指数预测模型,间接实现太阳辐射预测。分别介绍了这两种模型的算法、求解和建模过程。然后,在Matlab中分别建立了这两种预测模型,通过计算得到的大量历史晴朗指数等数据,对两种模型分别进行训练和调试,得到最优预测模型;再输入不同天气类型的测试样本得到预测结果,用图形对比和误差评价指标对比展示了两种方法的预测效果。最后,选取了不同时间分辨率(5min、10min、30min、60min)和不同天气类型(晴天、阴天)的训练和测试样本对模型进行训练、测试,得到了综合实验结果。利用预测结果的对比图、线性回归分析以及误差分析(均方根误差RMSE和均值偏移误差MBE)这三种对比分析方法进行分析并得出相应结论。此综合实验证明利用这两种算法预测晴朗指数再间接预测太阳辐射的有效性,不同预测模型在不同条件下呈现出不同的预测特点,为太阳辐射预测系统的应用研究提供了依据。