MPPT算法

        主要有三種類型的MPPT算法：擾動-觀察法、電導增量法和恒定電壓法。前兩種方法通常稱為“爬山”法，因為它們基于如下事實：在MPP的左側，曲線呈上升趨勢(dP/dV>0)，而在MPP右側，曲線下降(dP/dV <0)。

        擾動-觀察(P＆O)法是最常用的。該算法按給定方向擾動工作電壓并采樣dP/dV。如果dP/dV為正，算法就“明白”它剛才是在朝著MPP調整電壓。然后，它將一直朝這個方向調整電壓，直到dP/dV變負。

        P＆O算法很容易實現，但在穩態運行中，它們有時會在MPP附近產生振蕩。而且它們的響應速度也慢，甚至在迅速變化的氣候條件下還有可能把方向搞反。

        電導增量(INC)法使用光伏陣列的電導增量dI/dV來計算dP/dV的正負。INC能比P＆O更準確地跟蹤迅速變化的光輻照狀況。但與P&O一樣，它也可能產生振蕩并被迅速變化的大氣條件所“蒙騙”。其另一個缺點是，增加的復雜性會延長計算時間并降低采樣頻率。

        第三種方法“恒壓法”則基于如下事實：一般來說，VMPP/VOC≈0.76。該方法的問題來源于它需要瞬間把光伏陣列的電流調為0以測量陣列的開路電壓。然后，再將陣列的工作電壓設置為該測定值的76％。但在陣列斷開期間，可用能量被浪費掉了。人們還發現，雖然開路電壓的76％是個很好的近似值，但也并非總是與MPP一致。

        由于沒有一個MPPT算法可以成功地滿足所有常見的使用環境要求，許多設計工程師會讓系統先評估環境條件再選擇最適合當時環境條件的算法。事實上，有許多MPPT算法可用，太陽能面板制造商提供他們自己算法的情況也屢見不鮮。

        對廉價控制器來說，除了MCU本份的正常控制功能外，執行MPPT算法絕非易事，該算法需要這些控制器具有高超的計算能力。諸如德州儀器C2000平臺系列的先進32位實時微控制器就適合于各種太陽能應用。

        電源逆變器

        使用單個逆變器有許多好處，其中最突出的是簡單和低成本。采用MPPT算法和其它技術提高了單逆變器系統的效率，但這只是在一定程度上。根據應用的不同，單個逆變器拓撲的缺點會很明顯。最突出的是可靠性問題：只要這個逆變器發生故障，那么在該逆變器被修好或更換前，所有面板產生的能量都浪費掉了。

        即使逆變器工作正常，單逆變器拓撲也可能對系統效率產生負面影響。在大多數情況下，為達到最高效率，每個太陽能電池板都有不同的控制要求。決定各面板效率的因素有：面板內所含光伏電池組件的制造差異、不同的環境溫度、陰影和方位造成的不同光照強度(接收到的太陽原始能量)。

        與整個系統使用一個逆變器相比，為系統內每個太陽能電池板都配備一個微型逆變器會再次提升整個系統的轉換效率。微型逆變器拓撲的主要好處是，即便其中一個逆變器出現故障，能量轉換仍能進行。

        采用微型逆變器的其它好處包括能夠利用高分辨率PWM調整每個太陽能板的轉換參數。由于云朵、陰影和背陰會改變每個面板的輸出，為每個面板配備獨有的微型逆變器就允許系統適應不斷變化的負載情況。這為各面板及整個系統都提供了最佳轉換效率。

        微型逆變器架構要求每個面板都有一個專用MCU來管理能源轉換。不過，這些附加的MCU也可被用來改善系統和面板的監測。

        例如，大型的太陽能發電場就受益于面板間的通信以幫助保持負載平衡并允許系統管理員事先計劃有多少能量可用，以及用這些能量做什么。不過，為充分利用系統監測的好處，MCU必須集成片上通信外圍設備(CAN、SPI、UART等)以便簡化與太陽能陣列內其它微型逆變器的接口。

        在許多應用中，使用微型逆變器拓撲可以顯著提高系統整體效率。在面板級，效率有望提升30％。但由于各應用差異很大，系統級改善的“平均”百分比并沒多大意義。

        應用分析

        當評估微型變頻器在具體應用中的價值時，應從幾個方面考慮拓撲結構。

        在小型應用中，各面板有可能面臨基本相同的光照、溫度和陰影等條件。因此，微型逆變器在提升效率方面作用有限。

        使各面板工作在不同電壓以獲得最高能效，要求采用DC/DC轉換器使各面板的輸出電壓統一于儲能蓄電池的工作電壓。為盡可能降低制造成本，可把DC/DC轉換器和逆變器設計成一個模塊。用于本地電源線路或連接配電網的DC/AC轉換器也可被整合進該模塊。

        太陽能面板必須要互相通信，這會增加導線和復雜性。這是對在模塊中包含進逆變器、DC/DC轉換器和太陽能電池板的另一個爭論點。

        每個逆變器的MCU仍然必須有足夠能力來運行多個MPPT算法以適應不同的操作環境。

        采用多個MCU會加大整體系統的材料成本。