1.一种用于光伏电池的MPPT控制方法，其特征在于，首先对光伏电池工作电压和工作电流进行随机采样，计算出采样功率Pi，找出其中最大功率值Pmax，综合考虑光伏阵列工作时受光照(S)与温度(T)的影响，建立光伏P-U特性曲线模型，根据光伏阵列输出特性曲线，在不同的区间的非线性程度，把光伏P-U特性曲线分为非线性程度弱的区间A-B段和C-D段及非线性程度强的区间B-C段，对系统采取分段扰动，根据电压变化量dU的值，选择合适的步长缩放因子和扰动步长，根据对应的电流变化量和电流变化量与电压变化量之比的值，确定扰动方向；并引入遗传算法用于建立初始搜索区间，使用遗传算法GA和变加速扰动法相结合进行光伏电池的MPPT跟踪，精确跟踪最大功率点。

2.根据权利要求1所述的用于光伏电池的MPPT控制方法，其特征在于，具体步骤如下：T1.对光伏阵列进行输出采样产生初始种群并设定初始条件，计算出采样功率Pi(i＝1,

2…10)作为种群个体i的适应度，从中找出Pmax作为遗传搜索的初始值，判断遗传算法是否达到终止条件，若迭代未达到，则仍采用遗传搜索，否则改用变加速扰动搜索来取代遗传搜索；

T2.采用变加速扰动法，首先根据电压变化量dU的值，选出合适的步长缩放因子和扰动步长，再根据电流变化量和电流变化量与电压变化量之比，选取正确的扰动方向；每次扰动一次后需更新电压变化量dU，选出合适的步长缩放因子和扰动步长及扰动方向；当扰动搜索连续几次功率变化接近于0时，则系统搜寻到最大功率点MPP；

T3.判断外界环境是否发生剧变，若发生剧变则对遗传算法进行均匀变异操作，使算法重新产生初始种群，若环境变化起伏较小，则采用保留精英策略，将上代中的精英个体替换到本次搜寻中适应度最差的个体。

3.根据权利要求2所述的用于光伏电池的MPPT控制方法，其特征在于，所述步骤T1中的遗传算法具体包括以下步骤，令变量S，T和U作为遗传算法GA的输入，输出为占空比D：S1.初始化；

根据光伏系统进行输出采样，以实值编码的方式创建初始种群并确定种群(N)大小，将采样功率Pi作为个体i的适应度，并按照其大小进行排序求出平均适应度 和最大采样功率Pmax，Pmax作为遗传搜索的初始父代；

S2.遗传操作；

S21.选择：为避免遗传算法过早收敛，采用轮盘赌法对种群个体进行初步筛选，通过最佳保留策略，将当前适应度最高的个体直接复制到下一代，个体轮盘赌选择概率pi为：S22.交叉：为提高GA搜索能力，采用均匀交叉方式对父代中的个体进行交叉操作；

S23.变异：为保持种群多样性，引入放大因子A0，采用差分变异法，将种群中任意两个体的差分向量的结果与A0相乘加到当前t代第i个体Xi(t)上，经差分变异后的个体为：Xi(t+1)＝Xi(t)+A0(Xj(t)-Xk(t))；

若外界环境变化，则采用均匀变异的方式产生初始种群；

S3.终止条件；

当GA达到最大迭代次数或功率变化量接近于0时，算法终止搜索。

4.根据权利要求2所述的用于光伏电池的MPPT控制方法，其特征在于，所述步骤T2中的变加速扰动法，根据光伏输出特性曲线在B-C段非线性程度不同的特点及电压变化量dU的值，将扰动情况分为以下几种：情况一：电压变化量和电流变化量非常小，即|dU|≤ε且|dI|≤μ；

当电压变化量和电流变化量非常小时，可以近似认为此时电压和电流为最大功率点附近的电压和电流，那么它们的乘积即功率的变化量会更小，将是一个极小的范围，所以可认为该点为MPP；

情况二：电压变化量为0，即dU＝0；

当电压变化量为0时，该电压为最大功率点处的电压，此时则只需改变电流即可，同时还需判断电流变化量的符号，若该变化量为负值，扰动方向向左；若该变化量为正值，扰动方向向右；

情况三：当电压变化量不为0且不接近0时，则分为以下两种情况：

(1)功率变化量与电压变化量之比的绝对值很小，即|dP/dU|

当功率变化量与电压变化量之比的绝对值很小，此时搜索离MPP处较近，因此采用较小的加速度，使扰动缓慢向最大功率点进行；

(2)功率变化量与电压变化量之比的绝对值较大，即|dP/dU|>e；

当功率变化量与电压变化量之比的绝对值较大，该区域远离MPP，因此需增加扰动速度，扰动以较快的速度进行。

5.根据权利要求2所述的用于光伏电池的MPPT控制方法，其特征在于，所述步骤T2所述扰动方向选取分为以下两种情况：情况一：增量电导大于负的电导值，即dI/dU>-I(k)/U(k)；

若增量电导大于负的电导值，则说明该电压小于最大功率点电压，搜索在最大功率点左侧区域，因此扰动向右侧进行；

情况二：增量电导小于负的电导值，即dI/dU<-I(k)/U(k)；

若增量电导小于负的电导值，此时电压大于最大功率点电压，搜索已越过最大功率点，因此扰动应向反方向进行。