李云凤，雷勇，杜佳耘，刘晖

（四川大学电气工程学院，四川省成都市 610065）

0 引言

实际应用中，由于云层、灰尘及建筑物的遮挡，光伏（photovoltaic, PV）阵列暴露于不同的光照强度和温度偏差中，即部分遮蔽条件（partial shading condition, PSC）下。此时，PV的功率–电压曲线将呈现多峰特性[1]。常规最大功率点跟踪（maximum power point tracking, MPPT）容易陷入局部最大功率点（local maximum power point, LMPP），导致PV系统的高功率损耗。因此，PSC下的MPPT对于维持PV系统的高效运行至关重要[2-3]。

为实现PSC下的MPPT，国内外研究人员在拓扑结构和算法上做了大量尝试[4]。采用阵列拓扑结构优化的主要思路是根据阴影情况，将发生遮挡的电池组件进行补偿或阵列重构[5]。这种思路有效地解决了光伏阵列输出特性曲线发生畸形的问题，但实现起来需要增加额外的硬件电路，系统成本高，且控制较为复杂。根据光伏阵列的输出特性，对控制算法进行优化不用添加大量硬件，受到国内外学者的广泛关注。基于传统MPPT算法的复合型算法寻优时间较长，寻优精度受步长影响较大[6]；模糊控制算法对控制器的要求较高，实际应用较少[7]；基于大数据的预测算法，其目标函数可能因训练数据不足而陷入局部极值点，对突发性的阴影遮挡考虑较少，且运算量较大[8]；基于生物行为的仿生算法因其较好的寻优性能成为目前最受欢迎的算法。

近年来，国内外学者提出许多仿生算法的MPPT控制策略。Li H[9]等人提出总体分布粒子群算法，该算法将可能的峰值电压设置为粒子初始位置，确保粒子群算法（particle swarm optimization, PSO）只需在很小的搜索区域内快速有效地找到全局最大功率点（global maximum power point, GMPP）。……