陈忠华，刘 博，郭 瑞，唐 俊

（辽宁工程技术大学电气与控制工程学院，葫芦岛 125105）

随着传统化石燃料燃烧对人与自然可持续发展带来的巨大挑战，世界各国都积极推进本国可再生能源在能源结构中的优化和改革，因此提高光伏、风能等新型能源发电效率是智能电网发展的一个重要方向。在理想状态下，受恒定温度和光照的光伏阵列会使P-U特性曲线呈现单一峰值最大功率点MPP（maximum power point）。此时的最大功率点跟踪MPPT（maximum power point tracking）可通过传统的扰动观察法、增量导纳法、爬山法等来实现[1-3]。然而在局部阴影状态下，光伏阵列受到阴影覆盖时会出现电极转换形成热斑效应，不仅严重影响光伏板的正常运行，还会使光伏阵列P-U特性曲线呈现多个峰值点共存的状态，称此为多峰效应[4-6]。局部阴影状态的出现具有随机性、偶然性和不确定性，大多受到环境和天气变化的影响，而多峰效应易使大部分MPPT 控制算法陷入局部最优解，从而极大程度地降低光伏发电系统的发电效率。所以对于MPPT算法的研究与改进一直是当前的研究热点之一。

针对多峰效应这一问题，文献[7]采用了群体智能算法的粒子群优化PSO（particle swarm optimiza⁃tion）算法实现MPPT控制，并提出分散定位粒子初始位置这一新思路，但该方法收敛速度慢、精度低，存在功率损耗；文献[8]将变异理论和PSO算法相结合，采用固定的粒子数量跟踪MPP，有效地节约了成本，但是失去了随机性和多样性，不能有效覆盖寻优可行域，难以高效准确地实现全局寻优；……