光伏发电系统主要通过光生伏特效应将自然界的光能转化为人类所需求的电能。光伏阵列在标准外部环境下,其功率-电压(power-voltage,P-V)特性曲线呈单峰现象。对于此种理想环境下,传统最大功率点搜索(Maximum Power Point Tracking,MPPT)算法,如恒定电压法、扰动观察法以及电导增量法等能取得较好的搜索效果。然而自然界中光伏阵列所处的环境―瞬息万变‖,很难保持在一个稳定的标准环境。处于此种复杂环境下,光伏阵列输出P-V特性曲线会呈现多峰值的特性,使用传统单峰值MPPT容易陷入局部最优解,无法搜索到真正的全局最大功率点。针对上述问题,提出一种自适应精英策略改进混沌粒子群(Adaptive Elite Mutation-Chaotic Particle Swarm Optimization,AEM-CPSO)算法的MPPT控制策略,并与传统粒子群(Particle Swarm Optimization,PSO)算法、混沌粒子群(Chaotic Particle Swarm Optimization,CPSO)算法在MATLAB/Simulink搭建仿真模型进行对比分析。本文具体做了以下几个方面工作:1.研究光伏电池的发电原理,并比较分析光伏电池数学模型、工程模型以及运动学模型的优缺点,选择一个满足建模仿真要求的模型,并构建了光伏电池MATLAB/Simulink仿真的基础模块。2.根据光伏电池工程模型设计仿真实验用于分析其输出特性,并且分析串联型、并联型以及串并联型光伏阵列的输出特性。3.分析了恒定电压法、扰动观察法、电导增量法以及模糊控制法四种经典MPPT控制算法。并介绍了智能优化算法在MPPT控制上的应用。4.提出一种AEM-CPSO算法的MPPT控制策略。该算法对粒子前三次迭代进行混沌搜索,使粒子在初始状态具有全局遍历性。自适应精英策略运用于粒子搜索后期,用于缓解算法后期振荡的问题。通过MATLAB/Simulink搭建光伏MPPT仿真模型,分别从静态和动态进行仿真分析,得出AEM-CPSO算法在全局搜索能力,以及暂态稳定性都优于传统粒子群算法以及混沌粒子群算法。