1.一种光伏故障检测特征量提取方法，用于光伏系统的存在短路、完全遮阴、不完全遮阴和异常老化四种状态下的特征量的提取及MPPT最大功率点的求取，其特征在于，包括如下步骤：

S1：通过辅助模型2检测光伏阵列中的电压、电流，构建光伏检测数学模型，所述光伏检测数学模型包括信赖域仿射算法模型、优化扰动观察算法模型和优化电导增量算法模型，所述辅助模型2通过电压表、电流表将光伏阵列中的参数提取出来，并通过滤波得到可用数据Ii、Ui；

S2：建立信赖域防射算法模型和优化扰动观察算法模型，将从辅助模型2中得到的电压值和电流值分别输入信赖域防射算法模型、优化扰动观察算法模型中，分别得到光伏系统的特征参数a、b、c、d以及最大功率值Pi，并将光伏系统的特征参数输入辅助模型1，得到特征量等效电阻Rs、开路电压Voc、最大功率点电流Im和最大功率点电压Vm；

S3：建立优化电导增量算法模型，将从辅助模型2中得到的电压值和电流值分别输入所述信赖域防射算法模型、优化电导增量算法模型中，分别得到光伏系统的特征参数a、b、c、d以及功率值Pi，并将光伏系统的特征参数输入辅助模型1，得到特征量等效电阻Rs、开路电压Voc、最大功率点电流Im和最大功率点电压Vm；

S4：将S2与S3中同一时刻得到MPPT最大功率点、短路电流Isc、开路电压Voc、最大功率点电流Im和最大功率点电压Vm，输出到STC中，在STC中进行数据对比；

S5：设定误差范围，在某一时刻S2与S3中同一时刻得到MPPT最大功率点、短路电流Isc、开路电压Voc、最大功率点电流Im和最大功率点电压Vm在误差范围内，利用以上参数对光伏系统进行控制；若在误差范围外，则再次检测。

2.根据权利要求1所述的光伏故障检测特征量提取方法，其特征在于，所述S2中信赖域放射算法模型为：

1)规定0＜μ＜η＜1，0＜Λl＜Λu，γ1＜1＜γ2，计算I‑V曲线构成的函数f(x0)、f(x0)点处的梯度g0、f(x0)的Hessian矩阵H0、矢量函数V0、f(x0)的Hessian矩阵的对称近似矩阵B0；

2)取曲线上的点的横坐标Xk，令Xk+1＝Xk+s，并更新计算f(xk+1)以及f(xk+1)点处的梯度gk+1，计算ρk+1，并更新信赖域半径Δk+1，比较f(xk+1)和f(xk)的大小，若f(xk+1)大于f(xk)，则进入下一步，否则结束循环，输出特征系数；

3)更新计算Xk+1、f(xk+1)、f(xk+1)点处的梯度gk+1、f(xk+1)的Hessian矩阵Hk+1、矢量函数Vk+1、f(xk+1)处的Hessian矩阵的对称近似矩阵Bk+1，并确定步长S；直至得到f(xk+1)小于f(xk)，最终输出特征参数a、b、c、d，便可得到该光伏阵列的特征值。

3.根据权利要求1中所述的光伏故障检测特征量提取方法，其特征在于，步骤S2中的优化扰动观察算法模型为：

其中，Ui、Ii为当前检测电压、电流值，Pi为对应的功率值，Ui‑1、Ii‑1为上一次检测值，Pi‑1为上一次检测的对应的功率值；

假定初始工作点位于最大功率点的左边，通过定步长来搜索，直到Pi‑1＞Pi，此时可以确定最大功率点位于当前检测点2K范围内，K为检测步长，此时应改变方向，并缩小步长为K/

2，再次进行搜索，直到再出现Pi‑1＞Pi，再次重复上述步骤直至取得MPPT最大功率点。

4.根据权利要求书1中所述的光伏故障检测特征量提取方法，其特征在于，步骤S3中的优化电导增量算法模型求取MPPT最大功率点，此方法为：基于对光伏P‑U曲线及其导数曲线的分析，使用梯度变步长电导增量法求取MPPT点，其公式为：

通过导数|dP/dU|值与选定的界限的比较，来选定步长，以最快得到最大功率点即：其中，A1、A2为光伏电池的输出量的两个阶梯值，N1、N2、N3为A1、A2分成的上中下三个部分的系数值，且N1>N2>N3。

5.根据权利要求1至4任一所述的光伏故障检测特征量提取方法，其特征在于，所述S2、S3中辅助模型1中等效电阻Rs、开路电压Voc、最大功率点电流Im和最大功率点电压Vm计算公式为：

其中，a、b、c、d的系数均由信赖域放射算法求得，a1、a2、a3为a的子系数，b1、b2、b3为b的子系数，c1、c2、c3为c的子系数，d1、d2、d3为d的子系数，Voc.stc、Vm.stc、Im.stc、Rs.stc为采得的开路电压值、最大功率点电压值、最大功率点电流值、以及计算得到的等效电阻值，为误差缩小因子。