在化石生物燃料日渐稀缺的经济发展背景下,可再生清洁能源以其独特的优势取得世界关注,太阳能更是其中的佼佼者。实现高效利用光伏太阳能的一种重要方式之一就是光伏发电有关技术,对其进行深入的研究可以带来巨大的经济效益。本文以光伏发电系统为主要研究的对象,对光伏发电技术中较为关键的两个问题,即系统最大输出功率预测和最大输出功率跟踪(MPPT)两个问题进行深入的分析和研究。介绍了光伏发电系统的分类、系统基本的构成设备以及光伏发电基本原理,以光伏电池厂家向用户提供的光伏电池相关参数为基础,建立均匀光照和局部阴遮两种光照条件下的仿真模型,并设置不同环境参数,通过分析系统的输出特性曲线来研究环境参数对系统的影响;另一方面结合了部分地区光伏电站历史数据,从太阳辐射强度、温度等环境因素分析其对光伏发电系统的有功输出和发电能力的直接影响。利用了基于反向传播(BP)神经网络的算法对光伏发电系统输出的全局输出功率进行了预测和分析,针对BP神经网络预测结果中存在的问题,创新性的提出了一种基于改进遗传算法的优化策略对原有算法进行改良,并用改良后的算法对系统输出的功率进行预测,通过仿真结果验证了该改良算法的可行性,极大程度降低了传统网络跟踪预测的误差,改善了对全局输出功率的网络跟踪预测效果。系统性的介绍常用的MPPT方法的原理及流程。针对局部阴遮条件下全局最大功率点(GMMP)不断变化的情况,介绍对应智能控制算法中的粒子群优化算法(PSO)与细菌觅食优化算法(BFOA),比较双方的优势以及各自的不足。针对常规BFOA算法在寻找GMMP时时间较长的问题,提出了一种由PSO算法与BFOA算法协调控制的光伏发电系统MPPT的设计方案,并将PSO算法中的自身学习因子与社会学习因子引入到BFOA中来弥补其较慢的收敛速率,最后对三种方法分别加以仿真研究,仿真结果验证了改进算法的有效性与快速性。