1.一种适用于集中式温差发电系统的MPPT控制方法，其特征在于：该方法是采用如下步骤实现的：
步骤S1：针对集中式温差发电系统，在其DC/DC变换器的占空比变化范围内均匀选取若干个占空比，并采集各个占空比对应的输出电流和输出电压；然后，根据采集结果计算出各个占空比对应的输出功率，并将各个占空比及其对应的输出功率作为训练样本；
步骤S2：将训练样本进行归一化处理后输入至Elman神经网络；
步骤S3：利用Levenberg‑Marquardt方法训练Elman神经网络，由此拟合出I/O曲线；
步骤S4：根据I/O曲线，利用黏菌算法进行迭代搜索，由此输出最优占空比；
步骤S5：将最优占空比输入至DC/DC变换器，并采集最优占空比对应的输出电流和输出电压；然后，根据采集结果计算出最优占空比对应的输出功率，并将最优占空比及其对应的输出功率作为新的训练数据加入到训练样本中；
步骤S6：判断执行次数是否达到预定次数；若达到预定次数，则执行步骤S7；否则，返回步骤S2；
步骤S7：判断输出功率波动是否小于3％；若输出功率波动小于3％，则方法结束；否则，返回步骤S1；
所述步骤S2中，Elman神经网络的具体参数为：输入神经元的个数、输出神经元的个数均为1；隐含层激活函数为Sigmoid；输出层激活函数为Purelin；隐含层、承接层、输出层的输出公式如下：
式中： 表示t时刻第k个隐含层神经元输出矢量；wchk表示第k个承接层到第k个隐含层神经元之间的权值； 表示t时刻第k个承接层神经元输出矢量；wihk表示输入层到第k个(t‑1)
隐含层神经元之间的权值；D 表示t‑1时刻输入层输入矢量；b1表示第k个隐含层神经元(t)
的阈值； 表示t‑1时刻第k个隐含层神经元输出矢量；P 表示t时刻输出层输出矢量；
whok表示第k个隐含层神经元到输出层之间的权值；b2表示输出层的阈值；
所述步骤S4中，迭代搜索的具体步骤为：
步骤S4.1：根据I/O曲线，搜索出各个占空比对应的输出功率，并按照输出功率从大到小的顺序将各个占空比进行排序；排序公式如下：
SIndex(i)＝sort(N)；
步骤S4.2：根据排序结果，计算各个占空比的权重；计算公式如下：
式中：W(SIndex(i))表示当前占空比的权重；condition表示排在前1/2的占空比；
others表示其余的占空比；S(i)表示当前占空比对应的输出功率；r1表示[0，1]之间的随机数；bF表示当前迭代中的最大输出功率值；wF表示当前迭代中的最小输出功率值；
步骤S4.3：判断随机数rand是否小于概率因子z；若随机数rand小于概率因子z，则执行步骤S4.4；否则，执行步骤S4.5；
步骤S4.4：触发防贪婪机制，忽略权重信息进行随机搜索，并据此更新占空比，更新完成后执行步骤S4.8；更新公式如下：
X(t+1)＝rand×(UB‑LB)+LB，rand＜z；
式中：X(t+1)表示更新后的占空比；UB表示搜索范围的上界，且UB＝0.95；LB表示搜索范围的下界，且LB＝0.05；rand表示[0，1]之间的随机数；z表示概率因子，其为常量；
步骤S4.5：判断随机数r1是否小于参数p；若随机数r1小于参数p，则执行步骤S4.6；否则，执行步骤S4.7；
步骤S4.6：通过权重信息更新占空比，更新完成后执行步骤S4.8；更新公式如下：
X(t+1)＝X(t)+vb×(W×X1(t)‑X2(t))；
p＝tanh|S(i)‑DF|；
式中：X(t+1)表示更新后的占空比；X(t)表示当前占空比；vb表示[a，a]之间的随机数；
W表示不同占空比的权重系数；X1(t)与X2(t)表示两个随机占空比；S(i)表示当前占空比对应的输出功率；DF表示所有迭代中的最大输出功率值；t表示当前迭代次数；T表示最大迭代次数；步骤S4.7：为加快收敛速度，引入大猩猩部队优化算法更新占空比，更新完成后执行步骤S4.8；更新公式如下：
式中：X(t+1)表示更新后的占空比；X(t)表示当前占空比；r2表示[0，1]之间的随机数；t表示当前迭代次数；T表示最大迭代次数；r3表示[0，1]之间的随机数；r4表示[‑1，1]之间的随机数；X(i)表示随机选取的占空比；
步骤S4.8：判断迭代次数是否达到预定次数；若达到预定次数，则输出最优占空比；否则，返回步骤S4.1。
2.根据权利要求1所述的一种适用于集中式温差发电系统的MPPT控制方法，其特征在于：所述步骤S1中，DC/DC变换器的占空比变化范围为[0.05，0.95]；所选取的占空比的个数为10。
3.根据权利要求1所述的一种适用于集中式温差发电系统的MPPT控制方法，其特征在于：所述步骤s3中，训练的目标误差为0.001；误差的计算公式如下：
式中：E表示误差；N表示所选取的占空比的个数；Yi表示第i个占空比对应的输出功率实际值；yi表示第i个占空比对应的输出功率预测值。
4.根据权利要求1所述的一种适用于集中式温差发电系统的MPPT控制方法，其特征在于：所述步骤S3中，最大训练次数为100。