为了缓解日趋严重的能源危机和传统能源消耗引起的环境问题,新能源的应用已经成为世界各国开发和研究的重点。太阳能具备清洁、安全、可再生等众多优势而广受青睐,将太阳能转换成电能是其利用的重要形式。因此,开展光伏并网发电系统的研究具有重要的现实意义。针对传统最大功率跟踪算法的不足,本文对BP神经网络算法做出改进并提出一种基于改进神经网络的新型MPPT预测模型。该方法采用L-M(levenberg-marquardt)算法极大地提高了收敛速度,并利用遗传算法对BP神经网络进行优化避免了陷入局部最优值。并针对预测电压的非线性、精度不高等问题,提出了一种近似线性的预测模型,更适合于神经网络的在线预测。与传统的MPPT算法相比,本预测模型跟踪速度快,精度高,能更好的对最大功率点进行实时追踪。传统的双闭环并网控制策略存在响应速度慢、谐波畸变率(THD)高、鲁棒性差等问题,本文设计了一种复合形式的非线性模糊自抗扰控制器(FADRC),来提高并网系统的控制效果和抗干扰能力。该控制器结合了模糊控制和自抗扰控制的优势,既利用了自抗扰控制器抗干扰能力强的特点,又采用模糊控制算法对自抗扰控制参量进行在线调节,提高了自抗扰控制器的自适应能力。仿真分析表明不依赖系统精确模型的模糊自抗扰控制器具有良好的控制效果和抗干扰能力。针对传统式孤岛检测的不足,本文提出一种基于小波包能量特性与神经网络相结合的孤岛检测技术。采用时频特性更好的小波包变换对采集的电压、电流信号进行分解,分别提取能量特征值,再利用信息融合技术将分解得到的能量特征值矩阵融合到一起并做降维处理,再经遗传算法优化的BP神经网络进行状态识别,最后确定是否发生了孤岛效应。相比于传统的孤岛检测方法,本检测方法准确率高,检测盲区小且不会影响电能质量。当发生孤岛现象时,该检测方法能快速准确的检测出来,具有很高的可靠性。