随着经济的发展,能源危机和环境污染等问题越来越严峻,大力开拓新型的清洁能源以及加强可再生能源的实际应用成为全人类解决能源紧张和保护生态环境的主要战略任务,光伏发电即将成为新型清洁能源中最热门的发电方式之一。目前由于光伏电池材料和控制算法的不完善导致光伏发电效率很大程度上受限于环境,太阳能利用率较低。而短时间内光伏电池的材料又很难在短时间内进行大幅改进。那么,对光伏发电系统最大功率点跟踪算法的改善成为了提高其发电效率的有效途径。论文首先介绍了国内外光伏发电的背景及意义;其次,阐述了光伏电池的发电原理以及输出特性,分别建立了光伏电池的物理模型和数学模型,并以工程应用数学模型为基础在Matlab/Simulink平台中进行仿真,在仿真结果的基础上分析温度和光照条件对光伏组件输出特性的影响。然后建立了光伏阵列的Matlab/Simulink仿真模型,模拟正常光照条件以及局部阴影时光伏阵列输出单峰、多峰特性。根据仿真结果总结最大功率点和对应电压的关系,为接下来的研究提供理论依据。分析了最大功率跟踪的基本原理,并研究了几种常见的传统最大功率跟踪方法,并分析他们各自的优点和不足。在上文建立的Matlab/Simulink模型中仿真,来验证传统最大功率跟踪算法的有效性。重点对扰动观察法和变步长扰动观察法进行了仿真,并对跟踪方法的关键参数——步长进行了理论分析。从仿真结果可以看出,变步长扰动的整体性能明显优于单一步长的扰动观察法,能够克服传统扰动观察法追踪时间较长以及稳态功率震荡大的不足。论文讨论了粒子群优化算法的原理、设计流程、参数分析等,对于其收敛精度低和易陷入局部最优等不足,提出了一种改进的粒子群算法——带有逃逸装置的基于自适应学习因子的粒子群算法。在Matlab/Simulink平台中构建基于自适应粒子群算法的最大功率点跟踪模型,研究分析可得该算法可以解决部分遮蔽条件下得最大功率点的全局寻优问题。建立了光伏最大功率追踪控制系统中各个模块的仿真模型,基于Matlab/Simulink平台对整个光伏最大功率追踪系统进行了仿真。仿真结果表明,该方法可大大改善算法的收敛精度,加快算法的寻优速度,增强优化参数的通用性;另外,通过加入早熟逃逸装置,解决了PSO算法易陷入局部最优区域的问题,光伏系统在遮阴不均匀情况下的寻优能力得到极大改善,实现了全局最大功率点追踪。