太阳能是目前作为人类可开采规模最大的能源之一,全球电力发电也在向着太阳能发电发展。对太阳能资源的利用,不仅能使资源紧缺问题有所缓和,还能使因开发资源导致的环境破坏问题得到改善。不过在光伏发电实际应用中,由于光伏电池材料和研究技术等原因,光伏转换率有限,因此对光伏发电的最大功率点跟踪（Maximum Power Point Tracking,MPPT）控制的研究至关重要。本文针对光伏电池在光照不均匀和突变情况下,对最大功率点跟踪控制方法做出主要研究工作如下:1.根据光伏电池工作的基本原理得到等效电路图和数学模型,在Matlab平台创建了仿真模型。再根据仿真模型仿真出基于不同光照和温度的I-U、P-U曲线进行特性分析。同时对boost电路的工作机制及其功能进行了介绍。2.分别阐述了光伏系统在MPPT控制技术上应用的传统算法:扰动观测法（P＆O）和电导增量法（INC）,并对两种方法进行了仿真,分析了这两种方法在局部遮阴和动态光照下的不足。通过阅读文献总结了近年来常用的一些智能算法。3.对粒子群算法（PSO）进行了阐述,分析了PSO固定惯性权重和学习因子的不足之处,并将其改进为一种自适应的非线性因子,称为改进的粒子群算法NPSO,最后对两种算法进行仿真比较。4.对果蝇优化算法（FOA）进行了阐述,分析了FOA收敛速度慢、易早熟导致系统不稳定的不足,并针对这两点不足进行了改进,提出了将粒子群算法的速度位置更新方式引入FOA,称为VFOA,再引入反向轮盘赌选择机制,最后得到整体改进的果蝇算法（IMFOA）。5.在Matlab/Simulink搭建光伏发电系统仿真模型,对本次研究的PSO、NPSO、FOA、VFOA、以及IMFOA进行仿真结果的对比,对比验证提出的IMFOA的可靠性,实现局部遮阴和动态光照下的最大功率点追踪优化控制。仿真结果显示,在精度方面,光照变化前5种算法误差相差不大,光照突变后,IMFOA和NPSO、VFOA误差一样且都比原始的算法小;在收敛速度方面,IMFOA、VFOA和NPSO无论在光照突变前还是突变后都能在0.1s左右跟踪到最大功率,快于FOA和PSO算法;在稳定程度方面,总体改进的IMFOA算法的输出功率曲线是5种算法中振荡最小、最快趋于稳定的。