开发利用可再生能源和各种绿色能源实现可持续发展成为人类必须采取的措施。而随着光伏电池和电力电子技术的不断进步,太阳能光伏发电得到了长足的发展并已成为新能源利用的主流之一。光伏并网发电系统一般由太阳能电池板(光伏阵列)、控制器、逆变器和电网构成,其中,最大功率点跟踪技术是光伏发电系统的关键技术。最大功率跟踪就是寻找光伏阵列输出的伏安特性曲线中的最大功率点,从而能够最大限度的提高光伏阵列的输出功率。原有的控制算法在外界环境突变时,不能迅速、准确的找到最大功率点。所以,研究新的控制算法,实时调整最大功率输出,有利于提高光伏发电效率。本着更有效地控制太阳能光伏阵列,提高发电系统的可靠性和太阳能利用率的目的,本文提出利用粒子群算法(PSO)优化RBF神经网络,并将其应用于最大功率点跟踪的新算法,该算法在外界环境变化时,可快速、准确地跟踪光伏阵列的最大功率点。研究的主要内容有:研究了RBF神经网络和PSO的基本原理,在此基础上,针对它们的局限性,提出HPSO全局优化RBF神经网络的算法,通过仿真和数值实验分析,验证了所提算法的性能;根据光伏阵列模块的数学模型,对光伏阵列模块的相关特性,进行了理论研究,建立光伏阵列仿真模块,对不同温度及不同日照强度下的光伏阵列的输出特性进行仿真,将实测数据与仿真结果进行对比,验证了仿真模型的正确性,为后续的仿真奠定基础;阐述了光伏并网的工作原理和控制策略。设置整个控制系统为双环控制,外环为电压控制环,控制光伏阵列输出电压,使其跟踪最大功率点控制算法提供的最大功率点参考电压;内环为电流控制环,使逆变输出电流与参考电流一致。建立基于同步旋转坐标变换实现光伏阵列最大功率跟踪的光伏并网发电系统仿真模型。编程实现各模块功能,实验结果验证了所提算法的可行性和有效性。