当下,日益加剧的环境问题以及各种不可再生资源的大量且快速的消耗,正对世界范围内的各个国家的能源供给结构与发展模式带来诸多挑战。在此背景下,中国提出了2030年达到“碳达峰”,2060年达到“碳中和”的“双碳”目标,为了快速且有效地推动“双碳”目标的实现,新能源和可再生能源必将加速融入能源体系主流,太阳能、储能和氢能技术的开发利用引起了全世界的关注。其中,太阳能由于其突出的优点,如储量巨大且发电过程中无污染排放,成为了受到最广泛研究与关注的可再生能源之一。而氢能可以实现长期储能,对调节太阳能的间歇性和季节性波动也起着至关重要的作用。同时,燃料电池（fuel cell,FC）是一种在21世纪受到广泛研究与应用的绿色且高效的能源技术,具有高能量转换率与零排放等优点。FC可以利用氢气（hydrogen,H2）发电,而只需输出水以及废热,几乎不会对环境造成污染。因此,为了解决太阳能光伏（photovoltaic,PV）发电系统的发电间歇性和不连续性,由PV系统、电解槽、FCs和储氢装置组成的PV-FC混合发电系统已成为一种可行的解决方案。特别地,固体氧化物燃料电池（solid oxide fuel cell,SOFC）由于其高能量转换效率并且对燃料的要求非常灵活,在不同领域获得了广泛的应用,因此本文选择SOFC作为FC的研究对象。对于PV-SOFC混合发电系统,PV电池和SOFCs作为整个系统内部最核心的两个部件,二者的可靠建模对于描述系统整体输出特性和动态行为至关重要,在此基础上可以更有效地对系统展开后续研究,如性能评估、最大输出功率追踪以及健康检测等,而对PV电池和SOFCs的精确建模则主要基于对二者电池模型中未知参数的可靠识别。本文首先对PV-SOFC混合发电系统的发电原理进行了综合介绍,由于该混合发电系统的组成部分较多,这是为了从根本上更全面地理解该系统内部各种主要设备的运行机理与工作机制,包括了PV电池的发电原理、电解槽与储氢罐的工作原理,以及SOFC的运行机理。其次,在对PV-SOFC混合发电系统的发电原理进行深入了解的基础上,本文对该混合发电系统中最核心的两个组成部分,PV电池与SOFCs进行了数学建模。针对PV电池,本文采用了三类PV电池模型,分别为单二极管模型（single diode model,SDM）、双二极管模型（double diode model,DDM）以及三二极管模型（triple diode model,TDM）。对于SOFC,采用了两类最具代表性的模型,即电化学模型和稳态模型来进行建模与分析。除此之外,基于所采用的PV电池模型与SOFC模型,分别给出了对应的目标函数,基于此可以更加全面更加有效地对后续实验效果进行评估。由于PV电池与SOFCs的参数识别问题本质上是一个高度非线性的复杂优化问题,其核心是对模型的未知参数进行最优估计。因此,为了在各种运行条件下均能实现可靠的智能参数识别,本文提出了一种全新的启发式算法名为孔雀优化算法（peafowl optimization algorithm,POA）,包括其算法设计、性能评估以及在PV-SOFC混合发电系统参数识别中的应用。POA主要模拟孔雀群的求偶、觅食和追逐行为,其中引入了雄孔雀、雌孔雀和孔雀幼崽三种不同类型的孔雀模拟食物搜索过程中的动态群体行为和阶级结构。特别地,本文设计了高效的全局搜索和局部探索算子,用于解决在不同运行条件下三种不同PV电池模型与两种SOFC模型的参数识别问题。仿真结果表明,与其他启发式算法相比,本文提出的孔雀优化算法可以有效地提高PV电池以及SOFC参数识别的精度和可靠性。