“碳达峰、碳中和”在今年两会上被首次写入政府工作报告,近年来风电、光伏等新能源发电迎来了爆发式增长,而新能源发电存在电站选址较为分散、地处偏远,以及缺少针对新能源的气象预测等问题。此外,新能源发电出力受气象条件影响较大,而突变的出力会影响电网安全稳定运行。本文致力于在区域内进行微型气象站布点,并研究先进的能源出力预测算法及系统,兼顾气象数据的纵向时间历史性和横向区域连续性来对光伏电站的出力进行短期预测,以增加电网运行的可靠性。论文首先以淮安市金湖县为例,对比说明了当前国内外新能源电站出力预测情况,分析了目前国内外能源出力预测算法及电力气象监测领域存在的不足,提出了本文的主要任务。第二章根据提出的主要任务,首先设计了一种基于区域微气象的光伏出力预测系统方案。然后对光伏电站发电进行了详细分析,研究了光伏电站的具体运行方式和运行原理。从温度、湿度和光照等方面对光伏电站的出力情况进行了分析和讨论,总结了光伏电站出力存在陡降现象的原因。第三章针对基于布点的微气象站监测数据设计了一种自组织、低功耗、低数据率、低成本的改进版NARX神经网络算法,对光伏电站进行出力预测。在网络模型上兼顾气象数据的时间历史性和区域连续性,在处理过拟合问题上训练时采用贝叶斯正则化算法,将网络权值平方和与误差平方和的加权作为性能评价函数,采用莱温伯格-马夸特算法进行权值和阈值调整,并采用正则化算法进行权值修正。第四章进行了硬件选型以及软件技术设计。硬件方面,对气象各传感模块进行了选型,各传感器在485总线上通过统一的Mod Bus协议与主处理器通讯,硬件装置通过4G专用网络接入。在软件方面,后端选择了Django框架进行开发,前端选择了Vue进行开发。论文最后基于软硬件设计结果,制作了区域微气象监测装置,并在实际的光伏电站进行安装、软硬件联调及测试,结果满足预期设计指标。