太阳能光伏发电具有绿色无污染、可持续开发等特点,在新能源产业中具有广阔应用与发展前景,并逐渐由次要供给能源向主要供给能源过渡。就目前而言,其中的部分技术仍然需要完善,需要进行更深入的研究,从而提高光伏并网发电系统的效率和可靠性。本文对光伏发电系统的现状进行了分析,研究了光伏发电系统结构及其工作原理。通过分析发现,目前光伏发电监控子系统中的基于RS-485为主的通讯方案存在如传输效率低、容纳节点数少等不足,研制了基于C A N总线的光伏发电监控子系统,并进行了实验验证。最大功率预测是光伏并网发电系统研究的重要问题,论文详细分析了BP神经网络算法、粒子群算法(P S O)和极限学习机(E L M)算法,通过分析对比,最后结合PSO和ELM这两种算法,建立了PSO-ELM的输出功率预测模型,该方法利用PSO算法对ELM模型参数输入权值和隐元偏置进行优化,应用优化得到的ELM模型对预测集进行预测,通过M at l ab/S i m u l i n k实验仿真得到预测效果要优于常规的E L M模型和BP神经网络模型。光伏阵列故障检测是保证光伏发电系统可靠工作的重要环节,传统的光伏阵列故障检测有红外图像检测法和基于CTCT结构的多传感器检测法,通过对比分析,本文提出了一种基于北斗卫星与伪卫星结合的故障检测方案,能提高对位于偏僻地区的光伏阵列故障检测的可靠性,相对于传统的红外图像检测法和基于CTCT结构的多传感器检测法减少了传感器的使用数量。最后对整篇论文的工作内容进行了总结,并对后续的研究工作做出了期望。