在光伏新能源产业中,光伏阵列在局部阴影作用下的输出P-U特性为多峰值曲线而非常规的单峰值曲线。因此寻找局部阴影下的适宜最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法是研究提高光伏输出功率的关键技术。本文首先依据光伏电池的数学模型建立其仿真模型,并侧重分析光伏阵列在局部阴影下的输出特性,同时搭建光伏阵列系统仿真模型。使用传统的MPPT算法(扰动观察法、变步长扰动观察法以及电导增量法)对光伏阵列系统进行动态变化光照和局部阴影光照仿真分析,其结果表明三种算法都能适应动态变化的光照环境,但不能寻找到局部阴影下的最大功率点。其次利用粒子群算法对静态局部阴影的光照环境进行仿真分析,从仿真结果来看,粒子群算法的仿真最大功率点与理论值的偏差较小,能够追踪到光伏阵列系统在静态局部阴影下的最大功率点。但是该算法的迭代次数多导致了收敛速度过慢、波动幅度较大的缺陷。最后本文提出用免疫算法对粒子群算法进行改进,该算法能够吸取粒子群和免疫算法的优点,提高摆脱局部最优值的能力。对免疫粒子群算法进行光伏阵列系统在静态局部阴影下的仿真分析,其仿真结果与粒子群算法相比较,该算法的搜索时间大幅缩减,搜索过程中迭代次数减少且波动幅度明显减弱。对免疫粒子群算法进行光伏阵列系统在动态局部阴影下的仿真分析,其仿真结果与粒子群算法相比较,该算法追踪到的最大功率值更接近理论值。通过以上的仿真结果分析表明:免疫粒子群算法是在局部阴影下较为理想的光伏阵列系统MPPT算法。该算法不仅能追踪到复杂多变的局部阴影状态下的最大功率点,而且在静态局部阴影下具有追踪速度快、迭代次数少和追踪过程波动小的优点。