随着全球能源危机、环境污染问题的不断加剧,人们迫切地需要绿色环保能源代替传统化石能源。太阳能作为一种可持续、清洁、取之不尽用之不竭的新能源,受到广泛关注并迅速发展。随着光伏产业的不断推广,光伏发电技术越发成熟,如何提高光伏发电的效率则成为近年的研究热点。特别是出现阴影遮挡等失配条件下的光伏最大功率点跟踪(Maximum Power Point Tracking,MPPT)问题。本文采用智能蚁群算法进行光伏MPPT的控制,从光伏发电系统的MPPT控制问题和模型建立入手,将标准蚁群算法、简化蚁群算法和改进AS-ACO三个不同的算法分别作为控制策略应用在光伏MPPT控制中,进行数值仿真实验和工程验,并对实验结果做深入的对比分析,得出结论:在光伏MPPT控制中,与标准蚁群算法和简化蚁群算法相比,改进AS-ACO方法能够在较短的时间找到最大的输出功率,并保证稳态误差最小。本文先结合光伏发电系统、光伏电池原理及其数学模型,提出光伏系统在阴影遮挡的失配情况下的控制问题,建立失配下的光伏MPPT控制模型。然后进行三点创新性研究如下。第一,简单的介绍数值仿真实验平台以及创新性设计的工程试验平台“智慧光伏电力系统”,为后面进行控制方法分析打好基础。第二,将标准蚁群算法(ACO)应用到光伏MPPT控制中,结合两种实验进行数据采集;提出光伏MPPT性能的基础评价指标,对采集到的数据进行分析;发现标准算法的光伏MPPT控制需要大量的蚁群群体数才能快速搜索到最大功率点,且算法复杂。针对标准算法的问题,将其简化,并用简化的蚁群算法(S-ACO)来实现光伏MPPT控制,对比标准算法发现:简化算法过程简单,而且在使用较少蚁群群体数量的情况下,搜索输出最大功率点也高于标准算法。第三,针对简化蚁群算法在最大功率点附近存在一定震荡的问题,提出了改进蚁群算法(AS-ACO),通过十进制思想进行路径搜索,改变解码方式,跟踪到的输出功率比前两种方法的值都大,而且时间更短,稳态误差更小,光伏MPPT效率有明显提高。