目前,随着我国经济的快速发展,化石燃料被逐渐消耗以及对能源需求量的不断增加,使再生能源的开发应用成为全球关注的焦点。光伏发电可以替代部分常规能源发电,在世界能源供应中已逐渐占据主导地位。在光伏发电运行时,输出电流电压参数中含有大量谐波等干扰信号,导致系统不能正常稳定运行;因受外部环境因素干扰其输出功率的间歇性和波动性问题,也会对电网造成巨大冲击。本文以光伏发电参数监测系统和性能评估为主要研究对象。通过对光伏发电的输出电参数进行实时监控,以及对发电性能进行预测评估,来实现对发电运行状态的实时掌握,并为并网系统的合理规划用电提供有效的先验信息。主要研究内容有:1)光伏发电参数监测系统的总体结构设计。本文分别从信号采集、信号处理、信号转换和传输以及上位机监控四个部分做了详细分析,将基于零磁通补偿原理的新型测量结构用于采集光伏发电运行时输出的电参数,满足了在线监测对高精度传感器的测量需求。采用最小系统进行了实验验证,实验结果表明该监测系统实际应用可行性强,电路结构相对简单,采样测量时间较短,并能够实时在线监测运行中的发电参数。2)光伏发电性能评估。首先,对比不同光伏电池数学模型,选择光伏电池工程用数学模型在MATLAB/Simulink平台上建立仿真模型,并分析其输出特性和主要环境因素对输出功率的影响。其次,对比不同预测算法的优缺点,选择小波神经网络来预测短期光伏发电量,并提出使用粒子群优化算法和增加动量项对网络的权值和小波基函数参数进行优化。然后,将不同季节类型和日类型的数据进行划分,预测模型输入变量为历史日发电数据和天气预报信息并分为有无辐照度两种,模型输出则为预测日对应12个小时的发电量。最后,将发电站中历史发电数据和气象数据作为训练样本,并使用有无辐照度两种输入变量对由不同预测算法建立的不同天气类型的预测子模型进行训练与仿真分析。预测仿真结果验证了基于粒子群算法优化小波神经网络的光伏发电量短期预测模型的有效性和精确性,同时在输入变量中加入辐照度信息能够有效提高模型的预测精度。本文通过光伏发电参数监测系统和光伏发电性能评估的研究,实现了光伏发电参数监测与性能评估的基本功能,为维护电网稳定运行提供了一套较为完整的解决方案,具有一定的理论和实际应用价值。