1.基于粒子群算法的光伏电池板最大功率跟踪方法，其特征在于：包括以下步骤：S1：调整电池板负载与电池板内阻相匹配；

S2：从电池板输出功率值中选取一个小于最大输出功率的功率值，作为与迭代后所计算的适应度作比较的功率初始值，赋给控制器中的功率参数Pmax；

S3：在0～电池板开路电压Voc之间分散取若干电压值作为粒子位置的初始位置和粒子个数，分别赋给控制器中的参数；

S4：以每个粒子初始位置对应的功率值作为对应粒子的粒子最优值；

S5：通过各粒子最优值的比较选出最大值作为粒子群的群最优值与功率参数Pmax的值比较，将较大者赋给功率参数Pmax；

S6：功率参数Pmax对应值即为粒子群跟踪到的电池板最大功率；

S7：将粒子速度、粒子位置、粒子最优值和粒子群最优值代入以下迭代公式计算出新的粒子速度和位置：vid(t+1)＝w·vid(t)+c1·r1·(pid(t)-xid(t))+c2·r2·(pgd(t)-xid(t))；

xid(t+1)＝xid(t)+vid(t+1)；

其中，vid是D维空间中第d维的粒子i的速度，PWM的占空比作为粒子的速度；

w为惯性权重因子；

pid是D维空间中第d维的粒子i的最优值；

xid是D维空间中第d维的粒子i的位置，电池板的输出电压作为粒子的位置；

c1、c2为学习因子；

r1、r2为随机数r1,r2∈[0,1]；

pgd为整个粒子群的最优值，表示D维空间中第d维的所有粒子i的最优值；

S8：根据更新前后粒子位置差值控制PWM信号,当更新前后差值为正,则减小PWM信号占空比，反之则增大；

S9：由新的粒子位置即电池板输出电压来计算出粒子最优值和粒子群最优值：其中， P＝V×I为优值；从各优值中选出最大值即为粒子群最优值；

V和I分别是电池板输出电压和电流，Rs为串联电阻的阻值，Rsh为并联电阻的阻值；a是二极管的理想常数，k表示波尔兹曼常数，q表示电荷量常数，T表示热力学温度，Is表示二极管的饱和电流，Isc表示电池板短路电流，Ir0表示参考光照强度，Ir表示当前光照强度；

S10：重复循环步骤S5～S9，直到预设定的迭代次数。

2.根据权利要求1所述的基于粒子群算法的光伏电池板最大功率跟踪方法，其特征在于：所述粒子最优值按以下公式来进行：vid(t+1)＝w·vid(t)+c1·r1·(pid(t)-xid(t))+c2·r2·(pgd(t)-xid(t))；

xid(t+1)＝xid(t)+vid(t+1)；

i∈(1,2,...,N)，d∈(1,2,...,D)，r1,r2∈[0,1]；

其中，i表示第i个粒子，N表示总的粒子数。

3.根据权利要求2所述的基于粒子群算法的光伏电池板最大功率跟踪方法，其特征在于：所述惯性权重因子按以下公式来进行：式中，m为常数因子，对每一次迭代后的惯性权值进行约束调整，取0～1之间的随机数；

fg(t)为全局最优值所对应的适应度；

fi(t)为第i个粒子的适应度；

N为粒子群中的粒子数；

i为第i个粒子。

4.根据权利要求2所述的基于粒子群算法的光伏电池板最大功率跟踪方法，其特征在于：所述学习因子c1、c2按以下公式来进行：式中，j表示当前迭代次数，n表示总共迭代次数。

5.根据权利要求1所述的基于粒子群算法的光伏电池板最大功率跟踪方法，其特征在于：所述电池板负载与电池板内阻的匹配调整是通过Boost斩波电路来实现的。

6.基于粒子群算法的光伏电池板最大功率跟踪系统，其特征在于：包括电池板、控制器、AD转换芯片、Boost电路、PWM模块和蓄电池；

所述电池板的输出端与Boost电路的输入端连接；

所述PWM模块连接在控制器和Boost电路中的开关管之间；

所述AD转换芯片连接在控制器和Boost电路的输入端之间；

所述Boost电路和蓄电池连接；

所述电池板，用于将太阳能转换为电能；

所述控制器，用于根据粒子群算法获得计算结果并调整电池板负载；

所述AD转换芯片，用于检测电池板输出电信号；

所述Boost电路，用于充当电池板的负载；

所述PWM模块，用于控制Boost电路，以频率大小调整Boost电路的等效负载；

所述蓄电池，用于存储光伏电池板产生的电能。

7.根据权利要求6所述的基于粒子群算法的光伏电池板最大功率跟踪系统，其特征在于：所述Boost电路包括电感L、开关管、二极管D、电容C和电阻R；

所述电感L、开关管串联后连接在电池板的输出端；

所述二极管D连接在电感L与开关管连接点和蓄电池之间；

所述电容C和电阻R分别与蓄电池两端并联。

8.根据权利要求6所述的基于粒子群算法的光伏电池板最大功率跟踪系统，其特征在于：所述控制器包括初始值设置单元、粒子初始值单元、粒子位置更新单元、群最优值生成单元和输出单元；

所述初始值设置单元，用于从电池板输出功率值中选取一个小于最大输出功率Pmax的功率作为功率初始值；

所述粒子初始值单元，用于在0～电池板开路电压Voc之间分散取若干电压值作为粒子位置的初始位置和粒子个数；

所述粒子位置更新单元，用于以每个粒子初始位置对应的功率值作为对应粒子的粒子最优值；

所述群最优值生成单元，用于通过各粒子最优值的比较选出最大值作为粒子群的群最优值；

所述输出单元，用于输出群最优值作为电池板的最大功率。

9.根据权利要求6所述的基于粒子群算法的光伏电池板最大功率跟踪系统，其特征在于：所述粒子最优值按以下公式来进行：vid(t+1)＝w·vid(t)+c1·r1·(pid(t)-xid(t))+c2·r2·(pgd(t)-xid(t))；

xid(t+1)＝xid(t)+vid(t+1)；

i∈(1,2,...,N)，d∈(1,2,...,D)，r1,r2∈[0,1]；

其中，w为惯性权重因子；c1，c2为学习因子；

xid是D维空间中第d维的粒子i的位置，电池板的输出电压作为粒子的位置；

vid是D维空间中第d维的粒子i的速度，PWM的占空比作为粒子的速度；

pid是D维空间中第d维的粒子i的最优值；

pgd为整个粒子群的最优值，表示D维空间中第d维的所有粒子i的最优值；

所述惯性权重因子按以下公式来进行：

式中，m为常数因子，对每一次迭代后的惯性权值进行约束调整，取0～1之间的随机数；

fg(t)为全局最优值所对应的适应度；

fi(t)为第i个粒子的适应度；

N为粒子群中的粒子数；

i为第i个粒子；

所述学习因子c1、c2按以下公式来进行：式中，j表示当前迭代次数，n表示总共迭代次数。

10.根据权利要求6所述的基于粒子群算法的光伏电池板最大功率跟踪系统，其特征在于：所述电池板负载与电池板内阻的匹配调整是通过Boost斩波电路来实现的。