"太陽能為再生能源的一種，為現今世界各國於再生能源相當重點發展的科技，全球已有57個國家把100％再生能源做為能源目標，台灣也以2025年再生能源占比達20％作為階段性目標。但是，太陽能具有間歇性發電的缺點，無法全天候發電，但是太陽能發電量與用電尖峰需求呈現正相關。雖然太陽能電池間歇性發電的缺點，可以用電池儲存或電解為氫能等方式來取代，但太陽能發電系統發電量受自然條件影響極大，因此將會衝擊電網的穩定性，若具備較準確的光功率預測能夠降低電網的風險，也可以讓電力公司可以妥善調備發電機組，保障電網實時調度，保障電網穩定性。
一般而言，太陽能每年的發電效率會因發電狀況、溫差影響、紫外線、材質變異等因素，品質較優之太陽能板每年遞減約為0.7％至1％，部分品質較差之模組效能遞減率可能高達3％至5％，如此將嚴重影響了太陽能發電效率，亦會對於太陽光電的預期發電量產生巨大的衝擊，進而加劇電力規劃之風險。所以在探討預測太陽能發電的議題研究時，太陽能老化的問題也需要被包含在其中。
本技術為了可以對於太陽能電池進行數學模型的近似與模擬，考量目前對於太陽能發電上的預測所需資訊，如：現場氣象資料(含全天日射量、場址日照強度)、傾斜面總輻照度、水平面總輻照度/輻射量、太陽能電池溫度、遮陰溫度、大氣溫度、相對濕度、風速、室外設備外箱箱內溫度及MPPT等設備狀態。一般的太陽能電池發電量每年變動分析等資料，都是奠基於長年的數據累積與研究，並希望能夠早期發現太陽能板故障的檢測。因此，開發出一套可較準確預測太陽能發電的系統，以建立太陽能電池模型的方法，包括連續搜集一新設置的太陽能電池在穩態運行時一段期間內的相關參數，運用這些相關參數對太陽能電池藉由模糊神經網路建模方法進行識別建模，以相關參數設定為輸入、太陽能電池的最大發電功率設定為輸出而建立模型。藉由所建立的模型對太陽能電池的運行狀態進行判斷及其最大發電功率進行預測，據由這些結果確認太陽能電池是否需即時調整、更換，提升太陽能電網的發電預測及電網應用。
"