光伏系统是一种受天气变化影响较大的间歇式电源,其波动性和随机性会使其并入电力系统后影响常规能源机组出力以及系统的经济和环保性能,有必要对并入电力系统的光伏系统进行功率预测。本文对并入电力系统的光伏系统进行了功率预测,并在此基础上对电力系统进行优化研究。首先,本文对光伏系统的原理和特性进行了介绍,给出了光伏电池的模型和特性曲线。介绍了光伏系统的功率特点,给出了基于采样数据的功率特性曲线图,同时也根据结构框图介绍了光伏系统典型的运行方式。其次,采用改进反向传播神经网络算法预测太阳辐照度,然后结合功率模型来短期预测光伏功率。对于改进反向传播算法,在双极性Sigmoid函数中加入了陡度因子,在网络中加入了自适应调节学习速率,同时对网络数据进行了归一化与反归一化处理,来增强神经网络的泛化能力。算例分析中给出了不同的太阳辐照度预测方法,以及不同的光伏功率预测方法,分别将计算结果与实际数值进行了对比,验证了本文所用模型的可行性。再次,给出了系统日综合发电成本最小和日废气排放量最少的双目标优化模型。综合发电成本包括光伏系统和火电机组的运行成本以及因光伏发电而节约的燃煤成本,废气包括系统排放的二氧化碳、二氧化硫和氮化物。采用细菌群体趋药性算法对系统进行优化,在算法中加入了混沌优化、精英保留策略来提高算法收敛性能。最后,基于短期光伏功率预测结果对电力系统进行优化分析。算例分析了不同条件对优化结果的影响,验证了本文所用双目标优化模型和优化算法的实用性与有效性,同时也验证了对光伏功率进行精确预测能够统筹安排机组出力,合理消纳光伏资源。