1、“.....由于在最大功率点处为，因此在光伏系统中其输入变量与可以用以下两式确定式中，分别为光伏阵列的输出功率和输出电压。由此可知，光伏阵列工作在最大功率点时，误差量为。有些文献中提出了误差和误差变化量的其他确定方法，例如根据最大功率点处为也可以得出类似的表达式。为了满足计算的精度要求，输入变量的模糊子集数量可以灵活选择。图和的隶属函数表所示为个最简单最常用的包含个模糊子集的三角形隶属函数，输出控制变化量为升压斩波电路的占空比变化量。定义模糊集合如下为负大，为负小，为，为正小，为正大。表模糊控制规则表表所示为用于模糊控制的规则表，包括误差误差变化量和输出控制变化量。控制规则的目的是使变量恒为。如果光伏阵列的工作点位于的左边较远处即为正大而为时，较大程度的提高升压斩波电路的占空比变化量......”。

2、“.....由于最终需要的是个精确的控制量，最后需要通过隶属函数将模糊输出变换为精确输出，即解模糊的过程。解模糊的方法有很多如重心法高度法和最大值平均法等。模糊控制最大的特点是将专家经验和知识表示成语言控制规则，然后用这些规则去控制系统，模糊逻辑控制跟踪迅速，达到最大功率点后基本没有波动，即具有较好的动态和稳态性能。但是定义模糊集确定隶属函数的形状以及规则表的制定这些关键的设计环节需要设计人员更多的直觉和经验。神经网络法神经网络法是基于神经网络的控制方法。神经网络是种新型的信息处理技术，个最普通和常用的多层神经网络结构如图所示。图中网络有层神经元输入层隐含层和输出层。其中层数和每层神经元的数量由待解决问题的复杂程度确定。根据每层神经元的个数将该网络定义为网络。应用于光伏阵列时，输入信号可以是光伏阵列的参数例如开路电压短路电流或者外界环境的参数例如光照强度和温度......”。

3、“.....输出信号可以是经过优化后的输出电压变流器的占空比信号等。输出层隐含层输入层图多层神经网络结构在神经网络中各个节点之间都有个权重增益，选择恰当的权重可以将输入的任意连续函数转换为任意的期望函数来输出，从而使光伏阵列能够工作于最大功率点。为了获得光伏阵列的精确的最大功率点，权重的确定必须经过神经网络的训练来得到。这种训练必须使用大量的输入输出样本数据，而大多数的光伏阵列的参数不同，因此对于使用不同的光伏阵列的系统需要进行有针对性的训练，而这个训练过程可能要花费数月甚至数年的时间，这也是其应用于光伏系统中的个劣势。在训练结束后，基于该网络不仅可以使输入输出的训练样本完全匹配，而且内插的和定数量的外插的输入输出模式也能达到匹配，这是简单的查表功能所不能实现的，也是神经网络法的优势所在。各种跟踪算法的比较与分析通过上述几种算法的分析介绍，对算法有了深入的了解......”。

4、“.....直观地进行对比。表最大功率跟踪算法的比较算法名称算法的优点算法的缺点恒定电压跟踪法干扰观测法电导增量法模糊逻辑控制法神经网络法成本低廉，简单且易于实现简单参数少改进方法较多不同的逻辑判断减少了震荡，消除了误判未考虑温度影响，环境剧烈变化时，不能自动跟踪到最大跟踪点易震荡，功率损失较大，环境变化时会有误判现象对硬件要求较高，存在步长选择困难的问题跟踪迅速，有较好的动态和稳定性能设计环节需要设计人员更多的直觉和经验神经网络的训练耗时长光伏阵列最大功率点精确且迅速目前，最大功率点跟踪控制算法多种，主要分为自寻优和非自寻优两种。通过检测电信号而不直接检测外界环境的变化来判断最大功率点的位置，这种方法为自寻优方法。根据外界环境的变化，利用数学模型或查表的方法来确定最大功率点的位置为非自寻优方法。非自寻优方法在实际中很少应用......”。

5、“.....其中，最常用的方法有恒定电压跟踪法微扰观测法和电导微增法。最大功率跟踪除了上述这几种方法外还有很多方法，如间歇扫描法功率回授法和遗传算法滑模控制等多种智能算法。在算法的应用选择上，根据算法的复杂程度跟踪速度和精度对硬件的要求以及成本等诸多方面综合考虑，不同场合应灵活采用不同的算法，这样可以在实现功能的同时，降低成本。如在卫星空间站中，应首先考虑系统稳定性精确性问题而并非成本问题，新能源汽车首先要解决快速跟踪问题，对跟踪速度有较高的要求，而对于对控制的精度要求不高的光伏路灯系统，使用恒定电压跟踪法即可满足要求。由于每种方法都有各自的优缺点及适用的场合，因此在实际应用中，要根据需要选择合适的方法。目前方法的发展还不是很理想，人们正在试图向数学模型的优化以及多种方法的集成等方向探索，不过相信不久的未来方法将越来越完美......”。

6、“.....光伏阵列模型在本文第二章节已经建立并作了分析，本章将对模型中其他子模块进行阐述，并且利用电导增量法搭建光伏阵列的最大功率点跟踪控制模型，进行仿真分析。模型本文第三章中对几种常见的算法做了详细的分析，本节根据上面的阐述和流程图对电导增量法建立模型进行系统分析，如图所示图电导增量法的仿真模型图中用模块表示对光伏阵列输出电压和电流进行采样的周期，般可在取值，本文取，以确保仿真结果更为精确。模块用来保存本周期的参数变量，并作为下个时刻周期的比，反之表示辐照强度减小。温度辐照强度均增加温度增加辐照强度减少温度减小辐照强度增加温度辐照强度均减小图温度辐照强度均变化时仿真由图可知辐照强度增加，输出功率随之增加，反之输出功率则减小，温度增加，输出功率则减小，图在辐照强度为时......”。

7、“.....其输出功率下降幅度较小。由图可知温度减小，系统的输出功率会有所增加。由图可知即辐照强度的变化和输出功率的变化成正向关系，图与在温度减小时刻，前者的辐照强度相比后者的较低，而温度减小使得前者输出功率的增加幅度明显小于后者输出功率的增加幅度。第五章总结与展望本文总结本文对光伏发电系统的最大功率跟踪点技术进行了较深入的分析和研究，总的来说，本文的基本工作包括以下几个部分介绍了光伏发电技术的研究背景及意义，国内外光伏发电技术的现状及发展趋势。还有光伏电池的工作原理和特性，为光伏电池的最大功率跟踪做好准备。二光伏电池的最大功率点跟踪有很多种方法。例如研究最广且应用较普遍的控制算法固定电压法扰动观察法增加电导法等。新兴的，由于人工智能如模糊逻辑控制神经网络等的发展而出现的基于智能处理方法和其他非线性控制策略的控制方法，如模糊逻辑控制法和神经网络法等......”。

8、“.....并且对这几种方法的优点和缺点都进行了分析。这些跟踪方法对于不同的应用场所和环境都各有所长。三最大功率跟踪控制模型由光伏阵列模型模型脉宽调制模型变换器模型构成，为了最大功率点跟踪的实现，本文对各个模型进行了分析，并利用电导增量法搭建光伏阵列的最大功率点跟踪控制模型，进行仿真分析。仿真结果表明系统能够较好的完成最大功率点跟踪。本文展望本文在完成上述工作的基础上，本文的工作还存在以下需要完善的地方最大功率点跟踪方法有许多中，而本文只是实现了其中的种，所以对各种跟踪方法的优缺点比较只是存在于前人的理论上。二由于自己能力和时间的限制对些理论还只存在于认知的阶段，所以自己在以后需要更加努力来进步完善。参考文献中国太阳能热利用产业发展研究报告王长贵，王斯成太阳能光伏发电实用技术第二版北京化学工业出版社，刘永梅，王金宇，盛万兴光伏发电概述农村电气化宋昭峥......”。

9、“.....李俊峰，许洪华太阳能光伏发电技术发展状况与趋势分析中国科技产业，陈剑太阳能光伏系统最大功率点跟踪技术的研究北京清华大学，徐娜光伏发电系统最大功率点跟踪控制研究燕山大学硕士论文陈兴峰，曹志峰，许洪华等光伏发电的最大功率跟踪算法研究可再生能源李俊峰，时丽，马玲国内外可再生能源发展综述可再生能源郭勇，孙超，陈新光伏系统中最大功率点跟踪方法的研究电力电子技术徐鹏威，刘飞，刘邦银，等几种光伏系统方法的分析比较及改进电力电子技术李晶，窦伟，徐正国，等光伏发电系统中最大功率点跟踪算法的研究太阳能学报，，薛定宇基于的系统仿真技术和应用清华大学出版社，，禹华军，潘俊民光伏电池输出特性与最大功率跟踪的仿真研究计算机仿真李炜，朱新坚光伏系统最大功率点跟踪控制仿真模型计算机仿真，黄克亚独立光伏发电系统最大功率点跟踪原理分析及仿真研究电工电气，致谢较量......”。