在全球能源危机和生态环境日益严重的背景下,可再生能源得到世界各地的广泛关注。太阳能作为清洁能源之一,由于其取之不尽用之不竭的优点已成为最关键的清洁能源之一。太阳能光伏发电技术是太阳能有效利用的重要途径之一,因此对光伏发电技术研究极具理论意义和市场价值。本文以光伏输出最大功率跟踪技术为研究对象,对其中最为关键的两个问题,即均匀光照下和局部阴影下的最大功率点跟踪进行深入研究。首先,对光伏电池工作原理进行研究,基于拓扑结构之上构建数学模型。分析了传统模糊控制器输入的缺陷,提出了基于优化函数的模糊控制算法,对模糊控制器的输入进行了优化处理,解决了传统模糊控制因控制精度不足而导致光伏发电效率低的问题。其次,为了实现局部阴影下全局最大功率点的跟踪,本文选取全局寻优效果较好的粒子群算法作为多峰值特性下的最大功率点跟踪算法。针对粒子群算法在局部寻优和全局寻优之间选择困难的问题,对惯性权重、社会学习因子和个人学习因子的优化,提高了粒子群算法前期的全局搜索速度和中后期的局部收敛速度。针对部分粒子适应度过低的现象,加入了粒子淘汰机制,进一步的提高了粒子群算法的收敛速度。结果表明基于因子优化和淘汰机制的粒子群算法可以提高局部阴影下最大功率点的跟踪速度,节约发电成本。最终,利用MATLAB/SIMULINK工具搭建了均匀光照下和局部阴影下的数学模型,通过仿真实现验证了算法的有效性。