太阳能光伏系统在发电过程中会存在光照不均的情况,这将导致光伏组件输出的P-U特性曲线存在多个峰值。传统的最大功率点追踪(MPPT)方法在太阳能电池板局部阴影情况下的控制效果较差,很难在多峰P-U特性曲线的最大值点完成追踪并输出。现阶段,解决这种搜索难的问题主要有2种方式:一是利用改进的启发式算法对MPPT进行控制,用以提升搜索效果;二是对光伏阵列加以改造,使其对环境的适用性增强,不受外界因素变化而产生影响。本文以第一种方式进行研究,旨在开发出效果更好的启发式算法,并将其应用于MPPT控制,确保功率输出始终保持在最大值处。局部阴影状态的MPPT是具有离散特性的非线性问题,一些传统启发式算法处理连续问题效果较好,但对于离散问题则易产生过早收敛现象,搜索到的峰值不是全局最优,从而导致电能转化的浪费。针对此情况,本文利用混沌递减权重策略的搜索方式来改进量子粒子群算法,使算法追踪效果进一步提升。本文中,首先介绍了光伏发电的基本现状与最大功率追踪方法的使用情况;其次,介绍了太阳能光伏电池的发电原理,并建立了光伏电池的数学模型及仿真模型,同时给出光伏阵列的通用数学模型;第三,介绍了最大功率追踪原理,并阐述三种常用的MPPT搜索方法及其优缺点;第四,在量子粒子群的基础上提出改进并对其进行测试,说明改进算法的有效性;最后,在Matlab/Simulink仿真平台搭建不同光照情况下的MPPT系统仿真模型,将量子粒子群(QPSO)算法与提出的改进的量子粒子群(LDQPSO)算法分别运用在MPPT控制上,经对比分析,验证本文提出算法的有效性。