光伏电池模型参数的快速准确辨识在光伏阵列的输出功率预测、最大功率点跟踪以及电池故障模型的特性研究方面具有非常重要的工程意义。传统的数值分析算法在系统参数辨识时的辨识精确受参数初值影响较大,而智能优化算法通常不借助于某种问题的特有条件,被广泛认为是解决困难优化问题的有效方法。分子动理论优化算法(KMTOA)以分子动理论作为基础支撑,并将分子间的吸引—排斥运动过程转换为算法的勘探—开发寻优机制,属于拟物理规律的群智能优化算法一类。本文针对光伏电池模型参数中非线性方程组求解的复杂特点,选择利用分子动理论优化算法对光伏电池模型进行参数辨识。主要工作如下:首先,阐述太阳能电池参数估计问题的重要性,并详细介绍太阳能电池模型和参数辨识方法。介绍总结传统参数辨识方法和智能优化方法之间的优劣,分析本文算法对比其他不同优化机制算法的优势和特色,提出采用KMTOA来解决太阳能电池参数辨识问题。其次,从算法本身特性出发,提出基于反向学习和变加速运动机制的改进策略。探究了分子动理论优化算法的群集现象,针对算法存在的优缺点,融合了反向学习策略和变加速运动概念两种策略。改进算法在单、多模态和偏移测试函数的实验中取得了较好的优化效果,表明了两种搜索策略的合作有助于算法在勘探和开发之间取得有效的平衡。再次,选取两种太阳能电池模型,并将改进的分子动理论优化算法应用于太阳能电池参数辨识。实验结果表明,改进算法能有效优化光伏电池的单、双二极管模型参数辨识问题,并得到较优的电池模型参数。最后,设计一个基于GUI界面的光伏电池模型参数辨识实验平台。以可视化的界面形式提供给使用者一个简洁方便的工具,提高使用者的工作效率。