随着世界范围内原油储量的下降以及使用化石燃料给环境带来的巨大污染,对可再生能源的开发和利用得到了越来越多的关注。由于太阳能资源具有分布广、无污染、零成本等优点,以及太阳能电池技术和电力电子技术的发展,使得光伏发电成为新能源利用的主流方向。光伏发电系统的能量来源于光伏电池通过一定规律组成光伏阵列。当光伏阵列的光照强度不均匀时,会产生“热斑效应”,并且光伏阵列的输出特性曲线会有出现多个峰值。通常解决“热斑效应”的方法是采用附加旁路二极管和阻塞二极管,这样做保证了电池板的安全却导致阵列输出功率大幅下降。光伏阵列呈现多峰性的特点,使得传统最大功率点跟踪算法无法适用。因此,建立合适的光伏阵列拓扑结构,寻找合适的控制算法,在保证光伏电池安全性的基础上提升输出功率,对提高光伏发电系统发电效率具有非常重要的理论与实际意义。电导增量法在均匀光照下跟踪精度高,但面对不均匀光照下的情况,容易陷入局部优。　　本文查阅了国内外大量参考文献,通过研究与实验提出了改进 BP神经网络与电导增量法(IBPNN-INC)相结合的最大功率点跟踪算法。该算法能够克服电导增量法在局部遮阴时的缺陷,有效的完成最大功率点跟踪。通过与传统电导增量法以及扰动观察法的分析比较,验证了本文提出的算法在不均匀光照下,光伏阵列呈现多峰时,能够快速、准确的完成最大功率点跟踪。另外,取代传统附加旁路二极管的控制方法,本文应用双向?uk转换器对光伏阵列进行控制,这种拓扑结构能够使每一个电池模块都稳定工作在各自的最大功率点处,保证了光伏阵列能够输出最大功率。与附加旁路二极管的控制系统进行实验比较,结果表明,理想情况下应用双向?uk转换器控制系统平均输出功率提高约10.58％。通过对光伏电池工作原理的研究,本文建立了新的太阳能电池模型,通过对其伏安特性以及“热斑效应”的验证,证明了所建模型的正确性。将该模型应用到由本文提出的最大功率点跟踪算法与光伏阵列拓扑结构的系统中,通过仿真实验验证了该系统能够在光伏阵列处于不均匀光照时有效的完成最大功率点跟踪,并且工作状态稳定,进而证明了本文所提出方法的可行性和有效性。