事实上，早期对于光伏发电最大功率点跟踪技术的研究主要集中在恒定电压法（CVT constant voltage tracking）[1]、光伏阵列组合法[2]与实际测量法[3]上。但由于这些算法普遍存在实时性差等缺点，研究人员又将重心放在其它算法的研究上，新的算法的研究主要可以分为四类：28732
   （1）基于数学优化模型的最大功率点跟踪控制算法。这类方法首先要搭建一个数学模型，在对模型进行优化的基础上通过构造相关方程组解的方法，继而得到光伏电池的最大功率输出。所以在这类方法中，光伏电池的各种电路优化模型与相应的各种参数的准确性是研究人员需要重点关注的。这类方法主要包括：开路电压比例系数法、电流扫描法和短路电流比例系数法。
   （2）基于扰动原理的自寻优最大功率点跟踪控制算法。这类方法是目前研究人员研究的比较广泛同时也是人们应用的比较普遍的一种算法。这类方法通常不直接监测外界环境因素如温度和光照强度等的变化，而是根据相关传感器直接测量到的系统的电气信息如电流、电压等来完成最大功率点的跟踪。这类方法主要包括：扰动观察法（P＆O perturbation and observation method）[4]、电导增量法（INC incremental conductance method）[5]和波动相关控制法[6]。论文网
   （3）基于智能处理与其他非线性控制策略的最大功率点跟踪控制算法。近些年来，人工智能已经成为一个越来越吸引人们眼球的话题。事实上，人工智能的有关方法如神经网络控制、模糊逻辑控制等已经在电气的相关领域得到了应用，在光伏电池最大功率点跟踪控制算法中的应用也愈发广泛起来。由于光伏电池非线性的特点，研究人员还将如滑膜控制等其他的非线性控制策略带入到了控制算法的研究当中，并且取得了成功。这类算法主要包括：模糊逻辑控制法[7]、滑膜控制法[8]、神经网络法[9]和单周控制法[10]。
   （4）基于输出端控制原理的最大功率点跟踪控制算法。随着微型处理器等元器件的迅猛发展，其性能有了很大的提高，研究人员开始将控制算法与DC/DC变换电路统一起来，将算法控制着眼于一个完整的光伏发电系统，得到了一些新的有效控制算法。这类算法主要包括：负载电流/电压最大法[11]、直流侧电压下降控制法[12]和极值周期控制法[13]。 最大功率点跟踪控制算法的研究现状:http://www.youerw.com/yanjiu/lunwen_23697.html