在当今高速发展的社会环境下，人类对能源的需求越来越大，太阳能作为新能源中最理想的替代能源得到了广泛认可，人们对光伏发电技术的关注也越来越多。光伏电池最大功率点跟踪技术是改善光伏系统工作效率的一个关键技术，如何才能有效地控制光伏电池的最大功率点工作机制，提高光伏阵列组件的光电转换效率，已成为太阳能研究领域的一个研究热点。本文在研究了光伏电池最大功率点跟踪技术的原理的基础上，结合支持向量机和粒子群优化算法，重点研究了基于改进粒子群算法的支持向量机回归模型，并将其应用于光伏电池最大功率点跟踪预测问题中，使光伏组件工作在最大功率点处，以获得最大的输出功率。首先，较为详细地介绍了太阳能光伏电池的工作原理和数学模型，论述了光伏电池最大功率点跟踪原理及现有的控制方法。并对现有的研究成果进行了分析与评述，指出理论研究与实际应用中存在的问题。其次，介绍了支持向量机回归算法和粒子群优化算法，重点研究了粒子群优化算法中的参数设置问题，对粒子群算法的惯性权重和学习因子分别进行了研究，提出了新的粒子群优化算法参数设置方法。然后，结合支持向量机回归算法，将改进的粒子群优化算法应用于支持向量机参数寻优，根据数据样本寻找更好的惩罚参数C和核函数参数g，以提高支持向量机回归模型的泛化性能。因此提出了基于改进PSO的SVR模型，并将这一模型应用于光伏电池最大功率点跟踪预测，并与基于基本PSO算法的SVR模型进行了比较，实验结果表明，模型能够精确地跟踪到电池的最大功率点，预测效果良好。最后，对本文中提出的算法提出了许多有待改进的问题，以期在后续的研究中更好的实现光伏电池最大功率点跟踪控制，并对支持向量机方法的进一步研究拓展思路。