孙荣霞，尚娅慧，韩 帅

(河北大学 电子信息工程学院，河北 保定071002)

0 引言

随着化石能源的消耗以及环境污染的日益加重，绿色可再生能源的开发越来越深入人心，太阳能作为一种无污染、低成本、储量大、无噪音的新型能源越来越受到人们的青睐[1]。 光伏电池是利用太阳能的主要装置，但光照强度和温度对光伏电池的输出特性有直接影响，外界因素改变时，光伏电池的最大功率点也会发生改变。 为了使光伏阵列一直输出最大功率值，有必要对光伏阵列的最大功率点进行跟踪。

目前有多种传统算法已经实现了对最大功率点的追踪，如扰动观察法(Perturbation & Observation，P&O)、电导增量法(Incremental Conductance，InC)、模糊控制法(Fuzzy Control，FC)、恒定电压法(Constant Voltage Tracking，CVT)等，但当遇到阴影遮挡存在多峰现象时，此类方法追踪效果失效。 针对此现象提出了很多智能算法，如粒子群算法(Particle Swarm Optimization，PSO)[2]、蚁群算法(Ant Colony Optimization，ACO)[3]、改进蝙蝠算法(Bat Algorithm，BA)[4]、灰狼算法(Gray Wolf Optimization，GWO)[5]等都已经应用到多峰寻优中， 但是这些算法稳定性普遍不高，易陷入局部最优解。

MIRJALILI S[6]等人在2016 年提出了一种新型智能算法——鲸鱼优化算法(WOA)，并与粒子群算法、引力搜索算法(Gravitational Search Algorithm，GSA)等进行测试比较， 结果显示WOA 算法的参数少、 操作简单、收敛性更好。2017 年HASANIEN H M[7]利用鲸鱼算法实现了最大功率点跟踪， 改善了光伏系统动态电压响应。 但鲸鱼算法搜索速度慢，对MPPT 进行追踪功率输出不平稳，损失部分能量，为克服上述问题，本文将改进的鲸鱼算法应用到最大功率点追踪上。

1 基本鲸鱼算法

鲸鱼算法模拟了座头鲸一种特殊的狩猎机制……