近些年来,光伏产业得到了快速发展。随着全球光伏装机量的不断攀升,光伏电站运维困难、发电不稳定、可调控性差等问题也逐渐暴露在人们的视野当中,成为光伏产业亟待解决的关键问题。本文基于并网光伏电站的仿真模型、实际光伏电站的故障数据与发电数据,结合当前热门的机器学习及深度学习方法,对光伏电站的智能运维和功率预测技术做了以下研究。(1)本文对光伏产业的发展现状、存在问题及解决方案进行了简要介绍。(2)本文介绍了并网光伏电站的主要分类与组成结构、光伏电池及光伏阵列的等效物理模型、光伏发电的最大功率跟踪控制(MPPT)和并网逆变控制(VSC),并在此基础上搭建了典型并网光伏电站的仿真模型。(3)本文提出一种基于数据包络分析(DEA)和BP神经网络的光伏电站运行效率评估方法,可以实时评估电站的运行工况。(4)本文提出一种基于分层SoftMax的光伏阵列故障检测方法和一种基于权值树的光伏电站故障检测流程,以提高光伏电站的运维效率。(5)本文提出一种基于天气聚类和参数自适应调整的光伏电站功率预测方法,与传统预测方法相比,提高了功率预测的精度。