葛传九，武 鹏，金俊喆，董祥祥，楼琦凯

(上海工程技术大学 电子电气工程学院，上海 201620)

基于现代社会生产对环保与节能的要求，太阳能已成为替代煤和石油的重要能源之一。光伏阵列在外界环境不变时，具有唯一且固定的最大功率输出工作点，即最大功率点(Maxium Power Point，MPP)。最大功率点跟踪(Maxium Power Point Track，MPPT)算法一直是光伏发电领域的热点问题。

为了在不同条件下跟踪最大功率点，研究人员提出并实施了几种MPPT技术，其中传统的跟踪方法包括扰动观察法(Perturbation and Observation，P&O)[1-2]和电导增量法(Incremental Conductance，INC)[3-4]。当光伏电池发生局部遮挡时，其功率-电压(P-U)[5-6]曲线会呈现出多极值的情况，而传统的MPPT算法无法跟踪局部阴影环境下的全局最大功率点。针对该问题，一些适用于局部阴影下的多峰值MPP算法[7-8]被提出并应用于MPP的追踪，例如粒子群优化(Particle Swarm Optimization，PSO)[9-10]算法(又称粒子群算法)、线性自抗扰(Linear Active Disturbance Rejection Control，LADRC)[11]、模糊控制(Fuzzy Logic Control，FLC)[12-13]、滑模控制(Sliding Mode Control，SMC)[14]以及混合算法控制[15]。

粒子群算法是一种常用的寻优算法，且基于群体协作的随机寻优算法具有复杂度低的优点，但粒子群算法收敛速度较慢。差分进化(Different Evolution，DE)[16]算法通过群体内个体的相互合作与竞争产生的群体智能来指导优化搜索的方向，其所采用的随机突变方式和种群更新时的竞争关系可以帮助种群提升收敛速度[17]。但是差分进化算法在MPPT过程中的占空比振幅较大，使得电路产生幅度较大的瞬时电压[18]，对电路的稳定性有不良影响。

针对以上问题，本文将粒子群算法与差分进化算法结合，通过消除较差适应值……