伴随现代经济的快速发展,相继而来的能源匮乏和环境污染问题也日益严重。储量丰富且清洁安全的太阳能资源在世界范围内受到广泛关注。各国家对光伏发电的研究投入也越来越多,但是光伏发电的高投入低效率现状是不容忽视的。为解决这一问题,人们将研究热点之一转向了光伏发电最大功率点跟踪。本文从提高光电转化效率的角度出发,提出利用神经网络来实现光伏发电最大功率点跟踪。提高了光伏电池的利用率,对于光电产业的健康良好发展具有重要意义。本文首先介绍了光伏发电的研究背景和意义,对国内外光电的研究现状进行了简单介绍。接着详细介绍了光伏发电系统的结构和分类,重点介绍了三种光伏电池建模的方法并对此一一进行了模型搭建,着重研究了光照强度和温度两因素对光伏电池特性的影响。继而介绍了最大功率点跟踪的原理并对几种常见的最大功率点跟踪算法的优缺点进行了分析。针对上述最大功率点跟踪方法中存在的响应速度慢、最大功率点处震荡、精度不高等问题,因此本文提出了利用神经网络实现最大功率点跟踪并进行了详细设计,借助MATLAB/SIMULINK进行模型搭建、仿真。结果表明BP神经网络和RBF神经网络均可以对最大功率点实现较为快速、准确的跟踪。而后对神经网络的结构进行了改进,即结合不同神经网络的优势,对网络进行了串联。通过仿真可以验证改进后的串联神经网络较之前的独立神经网络其跟踪性能变得更好,神经网络的泛化性能也得到进一步提高。将这一方法应用在光伏发电最大功率点跟踪中是切实可行的。