1.2  最大功率点跟踪控制算法的研究现状
 1.3  最大功率点跟踪控制算法的要求
  （1）控制算法的实现难易程度[14]
       算法实现的难易程度是设计者在进行控制算法选择时首先需要考虑的因素。但是，由于研究者的精通领域各有不同，所以这个难易程度也是相对的。比如，有的设计者对于数字电路比较熟悉，那他就可以选择扰动观察法等；有的设计者对于模拟电路较为熟悉，那他可以选择填充系数法等。
   （2）控制算法对传感器的要求
       不同的控制算法，所要求的数据对象也是各不一样的。常见的采集信号包括电气信号如电压、电流等和其它信号如温度和光照强度等。通常情况下，测量电压信号比测量电流信号更加容易，可靠性也更高，而且电压传感器的价格相比于电流传感器也更为低廉。因此，对于一整块的电池板，单独地对每一块电池实现最大功率点跟踪，采用电压互感器就比电流互感器来得好。
   （3）控制算法的实现成本
       算法的实现成本是设计者在进行控制算法选择时需要考虑的一个重要因素。但事实上，设计者很难去具体估计每种算法的实现成本。一般情况下，采用模拟电路实现算法要比数字电路便宜，采用电压传感器实现算法要比电流互感器便宜。
   （4）控制算法的应用
      对于各种各样的应用领域，设计者要考虑不同的控制算法。例如像卫星和空间站等领域，外界环境的快速变化使得对于算法的跟踪速度和精度都有着很高的要求，这种情况下电导增量法和扰动观察法都是很好的选择；而对于如太阳能路灯等的小功率照明电路，对于算法的精度要求不高，同时考虑到成本，填充系数法就是很好的选择。
1.4  最大功率点跟踪控制算法的研究发展方向
目前的各种最大功率点跟踪控制算法都有着各自的优点与缺点，没有某一种方法可以真正意义上的取代其他的所有方法，发展还不是很完善，相应的技术手段也还不是完全成熟。因此，光伏发电最大功率点跟踪控制算法还有着非常大的发展空间。
（1）逐步优化的数学模型，广泛应用的人工智能处理方法
       对数学模型进行逐步的过程优化可以帮助研究人员在已知光伏电池的温度和光照强度等外界环境因素的情况下，最大程度上地获得实时并且较为精确的最大功率点。而关于人工智能，前面已经介绍了基于人工神经网络、模糊逻辑思文和滑膜控制等原理的控制算法，也许可能人工智能还存在着很多的缺陷，但是在具体应用领域的某些方面，人工智能也有着自己所独有的一些优势。随着研究人员对于光伏电池某些相关应用领域控制算法研究的不断发展，逐步优化的数学模型会愈来愈简化我们求解有关方程的方法，而人工智能的有关处理方法也将得到人们愈来愈广泛的应用。
（2）多种控制方法的有机结合[15]
      由于目前的各种方法都有着各自的优点与缺陷，如果想对其进行改进的话，又会使得算法的实现难易程度与成本增加，所以将两种甚至多种方法实现有机结合，取长补短，优势互补，是以后研究人员努力的方向。
1.5  本文的主要内容
本文主要研究光伏发电最大功率点跟踪控制算法，并通过matlab/simulink进行了仿真分析，具体的分布如下:
    第1章为绪论，主要介绍了课题的研究背景与意义、最大功率点跟踪控制算法的研究现状、基本要求和未来的研究发展方向。 matlab光伏发电最大功率点跟踪控制仿真研究(2):http://www.youerw.com/zidonghua/lunwen_23696.html