随着当今社会的发展,能源问题已逐步发展成为人类社会所要面临的全球化重大问题。与此同时,一些新型能源如太阳能,由于无污染、无排放以及有很大的开发潜力,引起了国内外学者和研究机构的关注。光伏发电系统最大功率跟踪(MPPT)的目的就是要最大功率的输出光伏电池转化的太阳能,是光伏发电系统的重要部分,因此需要对其进行深入的研究和探讨。目前存在若干种最大功率跟踪控制方法,虽然各有各的优点,但也难免都有其缺点或不足,诸如到达稳定状态消耗的时间长、到达稳态后波动较大等等。因此提出基于神经网络预测模型的新型MPPT控制策略,并利用和声搜索算法优化神经网络模型,建立了较高精度的最大功率点预测模型。算法首先根据预测模型对最大功率点电压进行预测,然后以此预测电压作为最大功率点的参考电压并用PID控制器将光伏电池的工作电压迅速调节至参考电压附近,最后进行小步长的扰动观察法进行MPPT。并在MATLAB平台上建立了光伏电池最大功率跟踪预测模型。为了建立预测模型,需要对光伏电池数据进行测量,因此设计了基于Boost电路的光伏电池数据采集装置,并进行了实验测试,取得了充足且良好的实验数据。为了比较几种不同方法的最大功率跟踪效果,对扰动观察法以及本文提出的结合预测模型的MPPT控制策略进行了仿真研究。结果表明本文提出的最大功率跟踪方法能有效缩短寻找到最大工作点的时间,提高最大功率跟踪的准确性,有效降低光伏电池的功率损耗。同时对本文提出的最大功率跟踪控制策略进行了硬件实现,证明了本文方法的可行性。