日益增长的能源需求和有限的资源供应是电力行业目前面临的主要挑战,太阳能因其储能丰富、无噪声和无污染等优点而获得了全世界的认可。但由于其转换效率差、安装成本高以及电池特性的非线性等特点,限制了光伏发电的发展,因此有必要采用最大功率点跟踪(maximum power point tracking,MPPT)技术来最大化光伏发电的输出效率和提高光伏系统的运行效率。为研究太阳能发电最大功率点跟踪控制方法,本文首先建立了太阳能电池及其阵列的数学模型,并对电池板的输出特性进行了分析;然后对常用的MPPT方法进行分类,并详细分析了动态外界环境条件下常用的MPPT方法在追踪过程中存在的问题;最后,在均匀辐照度条件下提出了改进型Beta算法,在局部遮阴情况下提出了一种基于局部学习粒子群算法(local-learning particle swarm optimization,LPSO)的光伏多峰MPPT改进方法。均匀辐照度情况下,改进型Beta算法在动态阶段采用自适应因子根据外界环境的变化自适应地调节步长,减少了人为因素对算法寻优的影响,在稳态阶段采用零振荡扰动观察法并通过引入电流变化信息来避免偏离问题。在局部遮阴情况下,基于LPSO算法的光伏多峰MPPT改进方法通过计算光伏阵列I-U曲线上短路电流和最大功率点电流处的辐照度来实现检测,从而有效地区分均匀辐照度和部分遮阴的变化。此外,在粒子群算法中加入局部学习策略,提高了算法求解精度。在MATLAB-Simulink软件平台中搭建了光伏发电系统MPPT仿真模型。对多种不同的MPPT技术进行了仿真对比,仿真结果表明本文所提方法可以快速跟踪外界环境变化,并减少系统在最大功率点附近的稳态振荡现象。