随着全球能源互联网建设的不断加快和清洁能源的大规模开发,新兴能源技术越来越受到世界的关注。光伏发电作为智能电网建设中的清洁能源,已经得到了广泛的应用和发展。然而,智能电网中的光伏发电系统由于受到各种因素的影响,其发电功率会变得非常不稳定,这导致其大规模并网运行后对电网产生冲击,使得电网无法安全稳定地运行。因此,如何对光伏发电功率进行精确而有效的预测,对于加快推进智能电网的建设具有深远而重大的意义。本文对光伏发电的相关技术做了具体介绍,并对其在智能电网中的发展进行了探讨,指出了准确的光伏发电功率预测的必要性。通过对光伏发电的影响因素做全面地分析,找出与其相关性较强的影响因素加以利用,为实现后续功率的精确预测工作做准备。针对光伏出力不稳定性的问题,本文提出了基于回声状态神经网络的光伏发电功率预测模型。回声状态神经网络的隐含层是一种动态储备池结构,具有回声状态属性,不仅增强了网络预测的稳定性,而且仅采用线性算法求得网络输出权值即可,简化了训练过程,同时克服了传统神经网络收敛速度慢和易陷入局部极小的问题。利用实际光伏发电站的历史数据和气象数据进行仿真验证,仿真结果表明,基于回声状态神经网络的光伏发电功率预测模型具有良好的预测精度和预测稳定性。由于回声状态神经网络预测模型的闭环自治性,其预测结果容易产生误差积累,为了进一步提高光伏发电功率预测的精度和稳定性,本文又提出了基于模块化回声状态神经网络的光伏发电功率预测模型。该模型首先对储备池状态空间进行重构,然后再对储备池结构进行层级划分,使得每层包含相等的区域模块,每个模块都具备不同的功能,这样就极大地减小了神经元间的耦合度,提高了储备池的动态处理能力。仿真验证表明相对于回声状态神经网络的光伏发电功率预测模型,基于模块化回声状态神经网络的光伏发电功率预测模型具有更好的预测性能。