太阳能电池的P-V特性是非线性的，取决于环境条件，如辐照、阳光入射角、电池温度和负载条件。因此，始终在光伏组件的最大功率点(MPP)运行至关重要。因此，采用最大功率点跟踪(Maximum power point tracking, MPPT)方法，通过对光伏模块输出功率的连续跟踪，实现光伏模块输出功率的最大化。
本文设计了光伏系统最大功率点跟踪的模糊逻辑控制器(FLC)，利用萤火虫算法(Firefly Algorithm, FA)对模糊控制器的模糊隶属度函数进行优化，生成合适的占空比。FA算法受自然物种启发对非线性函数进行优化，是该领域最成功、成本最低的算法之一。最后，将具有FLC-FA的PV系统与其他方法如微扰观测法(P&O)和模糊控制器-粒子群优化法(PSO)进行了比较。仿真结果表明，与P&O、对称模糊隶属度函数和基于PSO的非对称模糊隶属度函数相比，基于FA的非对称模糊隶属度函数提高了MPPT的跟踪速度，提高了跟踪精度。
——文章发布于2019年4月
