能源危机和环境污染促使我们寻求新的能源替代品。太阳能资源丰富、分布广泛、清洁无污染,是最有前途的可再生能源之一。光伏发电系统是一种将太阳能转换为电能的新型发电系统,光伏电池作为光伏发电系统的重要组成部分,对其参数准确辨识,为光伏电池故障诊断和最大功率点跟踪等技术设计提供保障,对光伏发电系统的评估和控制具有重大意义。智能优化算法是一种新型光伏电池参数辨识方法,相比传统辨识方法,具有操作简单、限制条件少、鲁棒性强和适用于各种复杂环境求解等优点,已逐步广泛应用于光伏电池和光伏组件参数的辨识。然而,传统智能优化算法也存在一定不足,在辨识光伏电池参数时,收敛速度与精度达不到理想要求。因此,本项研究提出多种增强型智能优化算法,并用于光伏电池和光伏组件的参数辨识。论文研究内容主要包括以下三个部分:针对原始原子搜索算法存在早熟和收敛慢等不足,设计一种新型的反正余弦机制,用于提高原子搜索算法的收敛速度和精度。将提出的反正余弦原子搜索算法用于辨识固定环境条件下单晶硅和多晶硅光伏电池模型的参数,并与其它算法对比实验。结果表明反正余弦原子搜索算法辨更能精确有效地辨识单晶硅和多晶硅光伏电池模型在固定环境条件下的参数。针对原始梯度优化器易陷入局部最优等缺点,设计一种新颖的随机学习机制,以增强梯度优化器算法的开发能力。将提出的随机学习梯度优化器算法用于辨识固定环境条件下单晶硅光伏电池模型和多晶硅光伏组件模型的未知参数,并与其它算法对比实验。结果表明,随机学习梯度优化器更能精确可靠地解决不同光伏电池和光伏组件模型在固定环境条件下的参数辨识问题。针对原始回溯搜索算法存在收敛速度慢,精度低等问题,提出一种正余弦机制回溯搜索算法,用于辨识不同光照和不同温度条件下两种薄膜和单晶光伏组件模型的参数,并与其它算法对比实验。结果表明,在温度过高和光照不足等环境下,正余弦回溯搜索算法更能精确可靠地获得最佳辨识结果。