传统化石燃料是作为一种非可再生能源,其燃烧产生大量有害气体污染环境,使得人类社会面临着资源短缺和环境污染两方面的问题。而太阳能作为一种可再生的清洁能源,在世界范围内被广泛利用。为了提高太阳能的光电转换效率,使其可以更稳定、高效、持续的输出优质的电能,需要对最大功率点追踪技术(MPPT)进行深入的研究。传统的实现MPPT的方法在环境剧烈变化的情况不能完全达到追踪效果,会有一定的误差,而且追踪速度与追踪精度难以同时满足要求。基于此,采取人工智能算法中的MPC算法与传统方法相结合共同控制MPPT,使光伏阵列尽可能多的输出电能,同时兼顾追踪精度与追踪速度。首先根据光伏电池的等效电路推导其数学模型,在Simulink仿真环境下搭建其仿真模型,在不同的温度和光照强度下对光伏阵列进行仿真,观察其仿真结果并分析外部条件对光伏阵列的影响。对不同的实现MPPT控制的传统算法进行对比分析,选择扰动观察法作为基础算法并进行改进。搭建光伏系统MPPT控制电路,包括选择DC/DC变换电路,PWM控制电路等。将P&O法和改进后的P&O法分别加入仿真电路中进行仿真分析,表明改进后的扰动观察法可以很好的抑制电压波动,降低功率损失,但是在追踪精度和追踪速度上还没有达到要求。其次,对模型预测算法进行详细的介绍和算法推导,由于其计算量比较大,有一定的冗余性,所以设置条件触发器让该算法基于条件触发,同时对条件触发器的系统参考阈值进行自适应优化,目的在于提升计算速度,减少计算量。对光伏系统输出电压进行采样,对比两种算法的预测值,表明改进后的MPC算法计算量较小,能更快的对于较大误差的预测值进行响应,同时预测结果更加精确。最后,将自适应MPC算法与改进后的P&O法相结合,共同对光伏系统MPPT电路进行控制,在Simulink仿真环境下进行仿真分析,对输出结果进行比较,验证了该算法的有效性和稳定性。不仅使光伏阵列工作在最大功率点时减小电压振荡降低功率损失,同时还兼顾追踪速度与追踪精度,能够最大限度地使光伏阵列输出最大功率。