1.一种基于自适应果蝇搜索的光伏阵列最大功率点跟踪方法，其特征在于，包括如下步骤：
S1.首先对果蝇种群位置、果蝇规模及最大迭代次数进行初始化；基于恒定电压法，采用光伏阵列开路电压的0.78倍和对应的光伏阵列输出电流值作为果蝇种群初始位置(V-axis，I-axis)；确定初始果蝇规模sizepop和算法最大迭代次数maxgen；
S2.根据初始步长值L0和当前觅食代数g确定出随机步长L并进行自适应步长嗅觉搜索；
其中随机步长L值由初始步长值L0,最大迭代次数maxgen及当前觅食代数g求得，光伏阵列输出电压Vi和输出电流Ii由果蝇种群初始位置(V-axis，I-axis)和随机步长L求得；采用自适应步长嗅觉搜索，提高最大功率点全局搜索效率和寻优精度；具体求法如下：

Vi＝V-axis+L                   (2)
Ii＝I-axi+L                    (3)
S3.进行初步计算，通过光伏系统控制器采集的光伏阵列实时输出电压Vi和输出电流Ii，计算个体距坐标原点的距离Disti，从而确定果蝇个体的味道浓度判定值Ci，并以味道浓度判定值Ci作为全局最大功率点搜索方向判定参数，以改善全局寻优能力；具体公式如下：

Ci＝1/(Disti+α)+β               (5)
其中，为确定更加准确的味道浓度判定值Ci，使α>0,β分为两种：

第一类避免局部最优因子g×Disti中，g服从均匀分布；第二类避免局部最优因子K×V-axis或K×I-axis中，K为设定常数，取值为0.8；
S4.根据味道浓度的判定值，将其代入味道浓度和判断函数，判断函数是光照强度Si和环境温度Ti的函数，计算当前每个果蝇个体的气味浓度值,即光伏系统中光伏阵列的输出功率Pi；
Pi＝UmIm(1+aΔT)(1+bΔS)(1-dΔT)＝ViIi      (7)
其中Um，Im是光伏阵列标准情况下最大功率点处的电压值和电流值，a、d采用典型值：a＝0.0025/℃；d＝0.00288/℃；b采用优化后的参数值：b＝-0.194+7.056×10-4×S,ΔT＝Ti-T,ΔS＝Si-S，Ti为光伏阵列实际温度，T为标况下光伏阵列温度，Si为当前实际光照强度，S为标况下的光照强度1kW/m2；
S5.根据气味浓度值即光伏阵列的输出功率Pi，找出当前种群中气味浓度最高的果蝇个体，即此时的最大功率值bestP，并记录此时的最佳坐标位置bestindex；
[bestP,bestindex]＝max(Pi)                 (8)
S6.基于果蝇算法中视觉定位原理，记录并保留bestP和此时的最优果蝇个体坐标(V,I),V、I分别为光伏阵列最大功率点对应的光伏阵列输出电压和输出电流值；同时，整个果蝇种群利用敏锐的视觉飞往最优个体位置，即系统控制器以此为依据，调节PWM的占空比D，从而控制Boost电路的输出电压：
Pbest＝bestP                       (9)
V＝V(bestindex)                    (10)
I＝I(bestindex)                      (11)
S7.进行迭代寻优。首先判断是否达到终止条件g＝maxgen；当gS8:迭代搜索终止，扰动判断外界条件是否发生改变，分别对输出电压值进行正、负向扰动，得到V+与V-，求出对应的功率值P+与P-,并与原有功率P相比，若P＞P+且P＞P-,说明此时的工作点仍为系统的最大功率点，则保持原输出功率不变，否则说明最大功率点位置改变，返回步骤S2，重新进行全局最大功率点搜索。
2.根据权利要求1所述的基于自适应果蝇搜索的光伏阵列最大功率点跟踪方法，其特征在于，所述初始果蝇规模sizepop为20－100个，算法最大迭代次数maxgen为100－2000次。