光伏电池作为光伏发电系统的重要组成部分,对其模型的研究是光伏发电技术中一个重要方面。建立合适的光伏电池模型对光伏发电系统设计,光伏发电预测以及光伏发电系统成本和性能评估有着重要的意义。现有的研究主要基于光伏电池基本工作原理,对光伏电池采用单二极管或双二极管等效电路,建立其数学物理模型,分析光伏电池工作温度和太阳辐照度对光伏电池伏安特性的影响。本文在在单二极管等效数学模型的基础上,仅靠光伏组件厂商提供的标准测试条件下的开路电压,短路电流,最大功率点电压,最大功率点电流等四个参数建立光伏电池工程用数学模型,并在MATLAB中建立光伏电池工程用仿真模块,运用于光伏逆变器的设计中。在对光伏发电系统的设计,经济成本运算和运行中,都需要运用光伏电池及组件模型来进行发电预测。目前对用于光伏发电预测模型的建立有两种方法:物理方法和统计方法。物理方法主要基于光伏电池等效电路模型建立更符合多使用光伏电池组件的精确模型来进行光伏发电预测。Sandia光伏阵列模型是完全依靠大量的实验确定参数的经验模型,它对光伏组件的描述极具精确性,缺点是需要进行大量的实验且对实验装置要求较高。本文采用5参数模型和Luft et.al’s TRW模型对同一光伏组件建模,并将这两者模型预测的伏安特性与实测光伏组件特性比较,分析产生误差的原因,并给出5参数模型改进方法。采用Luft et.al’s TRW模型进行预测,与实测值比较,并分析造成误差的原因。国内主要采用人工神经网络的方法建立光伏发电预测统计模型。本文研究了其模型的结构设计,参数设计,样本选取和训练等方面对光伏发电预测精度的影响。并建立了光伏发电预测统计模型,所建立模型基于BP神经网络,采用预测日24个时刻的太阳辐照度、温度、风速和预测日前一天24个时刻的历史发电量作为输入预测当天24个时刻的光伏发电量,能够达到很好的预测效果。这种基于数值天气预报光伏发电预测统计模型对光伏发电并网系统以及电网的稳定经济运行有着重要的意义。