太阳能是一种清洁的能源,它的充分利用对于缓解碳排放,减轻环境问题起到了重要的作用。光伏发电则是利用太阳能的一种有效方式,同时,在光伏发电的过程中会不可避免地遭受非高斯的随机扰动,传感器对于系统的平稳运行来说具有关键意义。本文的工作包含了以下三个部分的内容,分别为光伏阵列最大功率点跟踪、太阳能辐照度预测以及光伏系统传感器故障诊断。在第一部分中,建立了光伏电池的等效模型,研究了光伏电池的输出特性,采用了分段电导增量法进行最大功率点跟踪,仿真结果表明,本文使用的分段电导增量法可以有效地实现最大功率点跟踪,并且性能相较于传统方法有了较大的改进。在第二部分中,引入了注意力机制优化长短期记忆神经网络,提出了基于注意力机制的长短期记忆神经网络模型,仿真结果表明,本文采用基于注意力机制的长短时记忆神经网络能实现太阳辐照度的预测,并与其它算法相比获得的预测结果精度更高。在最后一部分中,针对遭受非高斯扰动的分布式光伏电站,基于量化最小误差熵设计了滤波器,将设计的滤波器作用于分布式光伏电站,通过求解滤波器的最优增益矩阵,可以对系统准确地状态估计,并且提出了基于量化最小误差熵滤波器的故障诊断方法,将滤波器得到的状态估计输入到分层超限学习机中,就可以实现传感器的故障诊断,仿真结果表明该方法可以实现较好的效果。