我国作为能源消耗大国，光伏产业发展迅速，光伏发电目前已进入了规模化发展阶段。由于光伏发电受外界环境因素影响较大，具有明显的间歇性和随机性，大规模、高渗透的光电接入电网，势必会对当地的电力系统的安全、稳定运行以及保证电能质能带来严峻的挑战，从而一定程度上限制了光伏发电的发展规模。因此，亟需进行光伏电站功率短期功率预测和光伏电站逆变器控制技术的研究，而目前我国在此领域的研究还较为落后。　　在此背景下，本文选择了大型并网光伏电站的功率预测及有功控制研究作为论文的主要研究内容，其主要工作包含以下几个方面：　　本文首先介绍了光伏电池和光伏阵列的输出特性，分析了我国西北地区的气候特点，调查研究了在不同天气下的光伏电站的输出特点，分析了影响光电出力的主要因素，并对比分析了现有的光功率预测模型的优缺点。　　针对当前我国太阳辐射站点较为稀少且预报能力较低的现状，改进了现有光伏发电预测模型以太阳辐照度作为必要输入的这一模型缺陷。利用利用距离分析方法分析光伏发电量与环境因素之间的相关性，最终确定以环境气温、大气湿度和风速作为预测模型的输入因子，建立了BP神经网络的无辐照度发电量短期预报模型。又考虑到了天气突变等因素对预测结果的影响，在功率预测前采取的基于SOM的天气聚类识别，继而针对不同天气类型采用相应的预测网络模型，避免了单神经网络的过拟合问题。通过实际电站的数据，对比分析了本文所建的无辐照度功率预测模型与有辐照度功率预测模型的能力。结果表明，本文所建的无辐照度功率预测模型与有辐照度功率预测模型在晴朗天气和多云天气下的预测能力并无太大差异，而在阴雨天气下，无辐照度功率预测模型的预测能力更强。　　最后，论文又对大型并网光伏并网逆变器的控制进行了研究，通过分析了LCL型逆变器的运行特性，提出了基于PR谐振的双电流矢量控制方法，并在Matlab/Simulink系统中搭建了LCL逆变器的仿真模型，并验证了该控制策略的有效性。