基于卷积神经网络设计了一种新能源光伏电站发电功率预测方法。在全面分析辐照度的变化规律后,选定年度内各个日期的序号、辐照度平均数、环境温度平均数等预测因子,利用灰色关联分析法在历史数据中选取一个最贴近预测日温度的相似日,将该相似日的预测因子值输入卷积神经网络预测模型中,结合小波分解技术拆分原始数据以提升模型预测精度。根据实验结果可知应用该方法后,各类型天气下发电功率预测的希尔不等系数最大值不超过0.085,说明该方法能够助力电力调度平稳运行。由实验结果可知,电站在晴天的发电功率随太阳辐射强度同步产生变化,阴天及雨天发电功率波动幅度较大,由此可以实现针对不同天气的智能发电功率预测与调控。

主要解决户外的太阳电池阵列与户内的控制器和逆变器的避雷防护问题。对户外的太阳电池阵列，采用避雷针防直击雷；对户内的控制器和逆变器采用避雷器与避雷带防雷电感应和雷电波侵入。这种防护方案实现了对光伏并网电站太阳电池阵列、控制器和逆变器的多级、综合雷电防护，并且经济、可行。系统具有重要的科学研究意义和广阔的市场应用前景。