王文保，周振雄，彭红义，张志敏

(北华大学电气与信息工程学院，吉林 吉林 132021)

光伏发电不仅具有清洁高效的能源质量，还可作为优质储能电源削峰填谷，满足不同负荷随时间变化的电能需求[1].随着电力电子技术的逐渐成熟，光伏发电并网容量大幅增长，传统算法的跟踪性能受到挑战.作为提高太阳能利用率的关键，提高光伏发电MPPT算法在启动速度、震荡幅度、全局搜索能力和跟踪精度上的性能，一直是学者们关注、研究的焦点.研究涉及多个方面：1)基于群的MPPT遗传和优化算法改进[2-4].其中，免疫萤火虫算法通过赋予萤火虫群体自我排除不良个体的能力，使虫群在移动时向最优个体集中，算法跟踪速度较快，但启动速度较慢；粒子群和自适应方法虽有较好的跟踪性能，但仿真模型过于简单，对3个及以上光伏组件并联的情况没有提及.2)基于样本训练的MPPT机器学习算法[5-6].该类算法在大容量PV阵列等复杂条件下难以对极端情况做出正确判断，并且缺少物理层面的解释.3)基于函数或微分差分式的数学算法[7-9].该类方法通过数学手段对PV阵列输出特性进行跟踪，忽略了高阶小量，加之传统仿真常用的光伏电池模型为数学模型，所得输出特性其实已经包含近似误差，因此，该方法的跟踪精度有待提高.4)基于拓扑优化和参数辨识的模型优化方法[10-13].该类方法把光伏电池的基本结构和参数作为起点，以优化PV阵列功率输出特性或改善MPPT动态跟踪效……