1.一种基于混合改进磷虾群算法和模糊控制器的MPPT算法，其特征在于：包括以下步骤：

根据DC/DC升压转换器的电压VPV和输入电流IPV，计算得到时刻k对应的太阳能光伏发电系统的功率PPV(k)；

基于时刻k对应的太阳能发电系统的功率PPV(k)和太阳能发电系统的历史功率，采用改进磷虾群算法对模糊控制器的MFs比例因子的进行调整，得到最优MFs比例因子；

基于最优MFs比例因子，模糊控制器输出时刻k对应的占空比D(k)；

基于时刻k对应的占空比D(k)与时刻k‑1对应的占空比D(k‑1)，得到占空比变化量ΔD，在占空比变化量ΔD的控制下，DC/DC升压转换器的输出功率向最大功率方向转移；

其中，所述改进磷虾群算法包括以下步骤：步骤1：将MFs作为磷虾个体，每个磷虾个体的适应度函数为该磷虾个体位置距离食物和群体最高密度的距离的结合；

随机产生pn个初始磷虾个体，计算每个磷虾个体的适应度值，并确定当前最优的磷虾位置；

步骤2：每个磷虾个体按照式(1)～(4)计算其运动向量，按照式(5)更新位置；

磷虾i的实时位置取决于引导运动 觅食运动 和随机扩散运动 具体表示为：

所述引导运动 表示为：

式中，αind,i表示被引导的磷虾运动的方向向量， 表示周围磷虾对个体磷虾引导速度的上限，ωind表示引导权重， 表示磷虾i上一次由于周围磷虾引导所产生的位置变化；

所述觅食运动 表示为：

food

式中，ωfrg为觅食权重， 表示磷虾i的觅食速度，βi 表示食物位置对磷虾i的影响因子， 表示磷虾i的历史最佳适应度位置对磷虾的影响因子；

所述随机扩散运动 表示为：

式中， 表示最大随机扩散速度，δ表示随机扩散方向，Iter和Imax表示当前迭代次数和最大迭代次数；

根据下式更新磷虾个体i的位置：式中， 表示磷虾个体i的新位置， 表示最优磷虾个体j位置，β(r)为单调递减函数；α表示比例系数；

步骤3：Iter＝Iter+1，更新每个磷虾个体的适应度值，确定当前最优磷虾位置；

步骤4：判断是否达到最大迭代次数，若未达到，则返回步骤2，否则输出最优磷虾位置，即得到最优MFs比例因子。

2.根据权利要求1所述的一种基于混合改进磷虾群算法和模糊控制器的MPPT算法，其特征在于：所述β(r)表示为：式中，β0为初始吸引力，ri,j表示磷虾个体i与磷虾个体j之间的距离，γ表示一个大于0的系数，m表示幂次。

3.根据权利要求1所述的一种基于混合改进磷虾群算法和模糊控制器的MPPT算法，其特征在于：还包括：

DC/DC升压转换器将最大功率传输出至网侧逆变器，采用PQ控制算法，通过跟踪参考功率来控制注入主电网的有功功率或无功功率。

4.根据权利要求1所述的一种基于混合改进磷虾群算法和模糊控制器的MPPT算法，其特征在于：所述PQ控制算法包括以下步骤：利用Park变换，将网侧逆变器的输出电压解耦到d轴和q轴，得到ud和uq；将网侧逆变器的输出电流在d轴和q轴耦合，得到id和iq；

网侧逆变器的输出电流id与参考电流idref进行比较得到电流差，电流差经PI控制后，依次与‑ωL、网侧逆变器的输出电压ud相加，得到网侧逆变器的参考电压udref；基于参考电压udref得到参考电流idref，采用前向反馈路径与网侧逆变器的输出电流id比较得到电流差；

网侧逆变器的输出电流iq与参考电流iqref进行比较得到电流差，电流差经PI控制后，依次与ωL、网侧逆变器的输出电压uq相加，得到网侧逆变器的参考电压uqref；基于参考电压uqref得到参考电流iqref，采用前向反馈路径与网侧逆变器的输出电流iq比较得到电流差；

将网侧逆变器的参考电压udref和网侧逆变器的参考电压uqref转换为输出参考电压uref；

将输出电压uref作为控制信号，调节注入主电网的有功功率或无功功率。

5.一种供电系统，其特征在于：包括太阳能光伏发电系统、MKH‑FLC模块、DC/DC升压转换器和网侧逆变器；

所述太阳能光伏发电系统，用于将太阳能转化为电能；

所述MKH‑FLC模块，用于根据太阳能光伏发电系统的功率，采用改进磷虾群算法对模糊控制器的MFs比例因子的进行调整，得到最优MFs比例因子；基于最优MFs比例因子，模糊控制器输出时刻k对应的占空比D(k)；基于时刻k对应的占空比D(k)与时刻k‑1对应的占空比D(k‑1)，得到占空比变化量ΔD；

所述DC/DC升压转换器，用于在占空比变化量ΔD的控制下，向网侧逆变器输入最大功率；

所述网侧逆变器，用于基于PQ控制算法，调节注入主电网的有功功率或无功功率。

6.根据权利要求5所述的一种供电系统，其特征在于：所述改进磷虾群算法包括以下步骤：

步骤1：将MFs作为磷虾个体，每个磷虾个体的适应度函数为该磷虾个体位置距离食物和群体最高密度的距离的结合；

随机产生pn个初始磷虾个体，计算每个磷虾个体的适应度值，并确定当前最优的磷虾位置；

步骤2：每个磷虾个体按照式(1)～(4)计算其运动向量，按照式(5)更新位置；

磷虾i的实时位置取决于引导运动 觅食运动 和随机扩散运动 具体表示为：

所述引导运动 表示为：

式中，αind,i表示被引导的磷虾运动的方向向量， 表示周围磷虾对个体磷虾引导速度的上限，ωind表示引导权重， 表示磷虾i上一次由于周围磷虾引导所产生的位置变化；

所述觅食运动 表示为：

food

式中，ωfrg为觅食权重， 表示磷虾i的觅食速度，βi 表示食物位置对磷虾i的影响因子， 表示磷虾i的历史最佳适应度位置对磷虾的影响因子；

所述随机扩散运动 表示为：

式中， 表示最大随机扩散速度，δ表示随机扩散方向，Iter和Imax表示当前迭代次数和最大迭代次数；

根据下式更新磷虾个体i的位置：式中， 表示磷虾个体i的新位置， 表示最优磷虾个体j位置，β(r)为单调递减函数；α表示比例系数；

步骤3：Iter＝Iter+1，更新每个磷虾个体的适应度值，确定当前最优磷虾位置；

步骤4：判断是否达到最大迭代次数，若未达到，则返回步骤2，否则输出最优磷虾位置，即得到最优MFs比例因子。

7.根据权利要求6所述的一种供电系统，其特征在于：所述β(r)表示为：式中，β0为初始吸引力，ri,j表示磷虾个体i与磷虾个体j之间的距离，γ表示一个大于0的系数，m表示幂次。