太阳直接日射逐日曝辐量预测是光伏并网发电系统研究的热点之一。太阳直接日射逐日曝辐量非线性、大间歇非平稳性以及混沌特性使得难以对其精确预测。本文将小波神经网络与相空间重构思想相结合，构建了太阳直接日射逐日曝辐量小波神经网络预测模型，解决了传统神经网络预测模型在网络构造上多采用试凑法，缺乏理论指导的弊端，探索了一种提高太阳直接日射逐日曝辐量预测精度以及神经网络构造的有效途径。　　本文主要研究工作如下：　　1.分析了太阳直接日射逐日曝辐量序列的非线性、大间歇非平稳性，采用功率谱法、主分量分析法以及最大李雅普诺夫指数法判定了太阳直接日射逐日曝辐量序列的混沌特性。　　2.给出了一种小波神经网络输入层和中间隐层神经元个数确定方法。采用太阳直接日射逐日曝辐量序列相空间重构嵌入维数作为小波神经网络输入层神经元个数；以小波分析理论为指导，确定了隐层小波神经元个数。该方法摆脱了试凑法的束缚，提供了一种构造神经网络的方法。　　3.构建了太阳直接日射逐日曝辐量小波神经网络预测模型。给出了小波神经网络预测模型参数调节算法，采用太阳直接日射逐日曝辐量相空间重构数据对小波神经网络进行训练，并进行太阳直接日射逐日曝辐量预测。　　选用来源于美国国家航空航天局官方网站，观测点为东经117度、北纬31度(合肥地区)，2000年至2004年太阳直接日射逐日曝辐量数据作为本文的使用数据。运用Matlab R2009b仿真软件，对本文所建立的小波神经网络预测模型进行实验验证，结果表明该方法可行，能够较精确的预测太阳直接日射逐日曝辐量。