از جمله مزایای شبکه هوشمند برق در آینده، امکان اضافه شدن منابع انرژی تجدیدپذیر و سازگار با محیط زیست همچون انرژی خورشیدی، باد و غیره می باشد. این منابع دارای مزایای عمده ای همچون جلوگیری از انتشار کربن و گازهای گلخانه ای و کاهش مصرف سوخت های فسیلی به ویژه نفت می باشند که به ایجاد انگیزه برای ادغام این منابع با صنعت برق و ایجاد شبکه ای هوشمند منجر شده است. با وجود مزایای ذکر شده برای ادغام منابع انرژی تجدیدپذیر و به ویژه انرژی خورشیدی که موضوع بحث این تحقیق می باشد، متاسفانه طبیعت متغیر این انرژی ها و وابستگی آن ها به شرایط محیطی و آب و هوایی، چالشی عمده برای ادغام آنها با شبکه برق محسوب می شود. شبکه هوشمند آینده نیاز به دانستن اطلاعات توان تولیدی سامانه های تولید پراکنده همچون سامانه های خورشیدی مستقل و یا متصل به شبکه دارد تا بتواند برای ساعات یا روزهای آینده و همچنین در زمان های قطعی، اوج مصرف و بحران برق تصمیماتی اتخاذ نماید. بدلیل رفتار غیر قابل تشخیص این سامانه ها و وابستگی توان تولیدی آن ها به شرایط آب و هوایی، چالشی عمده در ادغام این سامانه ها با شبکه هوشمند وجود دارد. در این راستا در این تحقیق به ارائه ی روشی مبتنی بر شبکه های عصبی مصنوعی برای پیش بینی توان تولیدی سامانه های فتوولتائیک برای 24 ساعت بعد پرداخته شده است. این تحقیق روی سامانه ی خورشیدی 20 کیلوواتی مستقر در دانشگاه یزد انجام شده است. در این روش از داده های تابش، دمای محیط، دمای سطح ماژول و توان به عنوان ورودی شبکه عصبی برای پیش بینی توان خروجی استفاده شده است و این پیش بینی مبتنی بر پیش بینی تابش خورشید می باشد. مدل ارائه شده بطور میانگین با نیم تا یک درصد، پیش بینی توان تولیدی را بهتر از پیش بینی تابش خورشید انجام می دهد که از این مدل نیز می توان با خطای nrmse برابر 7.32 درصد برای امکان سنجی اقتصادی استفاده کرد.