随着传统能源的枯竭和环境问题的日益严重,人们的注意力更多地集中在新能源的开发和利用上。太阳能与其它可再生能源相比,具有能源储量大、环境效益好、经济性强的优点,因此得到大量的应用。随着社会生产力的不断稳步提高,光伏发电系统及相关产业已成为发展最快的产业,光伏发电系统的研究变得越来越重要。在光伏发电系统的研究中,最关键的问题就是光伏电池的光电转换效率低,容易受到环境变化的影响。因此,需要通过控制算法使光伏电池板输出的功率达到最佳状态。首先,参考了大量相关文献,比较研究各类光伏发电系统最大功率点跟踪算法的利弊,发现传统控制算法缺乏全局搜索能力,仅适用于均匀光照的环境,只能寻优单峰P-U曲线。而现实生活中光伏电池常常受到外界因素或人为因素的影响发生局部遮阴现象,使P-U曲线呈现多峰型,所以通常使用智能控制算法实现最大功率点跟踪控制。并且根据光伏电池的工作原理,在Matlab/simulink中搭建出PV模型,通过改变环境温度和光照强度模拟光伏电池在均匀光照条件和局部遮阴条件下的I-U和P-U曲线。分析比较传统控制算法的优缺点,得出在多峰值的P-U曲线中,传统控制算法不具备全局搜索能力,产生失效性,不适合作为局部遮阴条件下的控制算法。其次,分析了标准粒子群算法的工作原理,发现在多峰值的最大功率点追踪中,标准粒子群算法具有全局搜索能力,但是需要较大规模的种群才能覆盖一定范围内的所有最优解。此外,为避免错过最佳粒子,搜索速度不能太高,所以标准粒子群算法收敛速度慢。另一方面,若粒子的搜索速度过快可能导致搜索精度低,重新陷入局部寻优。最后,提出了基于混合蛙跳的两阶段粒子群优化算法,用于提高收敛速度和搜索精度,减少稳态振荡。在标准粒子群算法中加入混合蛙跳算法的分组方法,确保快速准确地搜索全局极值。改进的粒子群算法还引入了自适应速度因子,进一步提高了算法的收敛速度。并且通过Matlab/simulink中的仿真模块分别对标准粒子群算法和基于混合蛙跳的两阶段粒子群优化算法仿真分析,验证了两阶段粒子群算法在跟踪速度和稳态振荡方面优于标准粒子群算法。