在上一个话题中，我们介绍了两种常见的MPPT算法，即观察扰动法（Perturb and Observe，P&O）和电导增量法（Incremental Conductance，INC），具体内容请看MPPT基本算法介绍。在本话题中，我们将介绍MPPT算法中一个常见的问题，即步长设计。

定步长算法

MPPT算法在运行时，主要分为两个阶段：当由于光照变化而导致工作点远离MPP时，MPPT算法需要重新追踪新的MPP，此过程被称为动态阶段（dynamic stage）；而当MPPT算法找到MPP时，MPPT算法需要在MPP处进行扰动，这一过程则被称为静态阶段（steady-state stage）。而MPPT算法的扰动步长（此处，我们将其简称为步长），将决定动态阶段和静态阶段的追踪效率 [1]。

当MPPT算法使用两种不同的步长时，其动态效率与静态效率如下图示：

• 当MPPT算法采用较小步长时，在静态阶段，MPPT算法在MPP处扰动较小，如A-B-C所示，故而静态效率较高；但是，在动态阶段，由于步长较小，因此动态追踪速度较低，故而动态效率较低。

• 同理，当MPPT算法采用较大步长时，其动态效率较高，但静态效率较低。

从上述分析中，不难看出，对于步长的大小，我们要进行一定的取舍（tradeoff）。由于上述MPPT算法的步长为定值，因此此类方法一般被称为定步长MPPT算法。

变步长算法

为了解决这一问题，变步长MPPT算法现已被提出并被广泛地应用。

变步长算法一般是根据P-V曲线的斜率，即ΔP/ΔV的大小，来对步长进行调节的，一般可由以下公式得出 [2]：

其中，ΔX为步长，N为步长比例系数。

如下图所示，当工作点离MPP较远时，其ΔP/ΔV较大，故而步长较大、动态追踪速度较快；而当工作点离MPP较近时，其ΔP/ΔV较小，故而步长较小、静态扰动幅度较小。因此，只要设定好步长比例系数N，MPPT算法就可以调节步长大小。

但是，如何设定步长比例系数N，则是另一个问题。具体分析如下图示：

• 在同意光照、温度的情况下，在MPP左侧的ΔP/ΔV较小，而在MPP右侧的ΔP/ΔV较大。如果N值设定较小，则会导致步长在MPP左侧时较小，从而影响动态效率；如果N值设定较大，会导致步长在MPP附近较大，从而影响静态效率。同时，在不同光照、温度的情况下，这种不对称则会进一步加剧。

• 此外，在不同光照的情况下，即使在MPP的同一侧，其ΔP/ΔV的大小也不尽相同。同理，如果N值设定较小，则会影响其在低光照下的动态效率；而如果N值设定较大，则会影响其在高光照下的静态效率。
  

综上所述，我们在设计变步长MPPT算法时，则要对步长比例系数N进行一定的取舍。因此，此类算法并不够完美。

混合步长算法

为了解决这一问题，混合步长MPPT算法在最近几年内被提出并应用。其算法的基本思路为：在远离MPP时，采用变步长；而在MPP附近时，采用定步长。其代表作为Beta法、MPP-Locui法、ZA-PO法等。现以Beta法为例，进行一个初步的介绍 [3,4]。

如下图所示，Beta法首先将整个P-V曲线分为两部分：一部分在βmin和βmax的范围内，而另一部分则在此范围外。其中，β的值可以由以下公式求得：

其中，c值为一个常数，可以通过c=q／(NsAKT)来求出。而βmin和βmax的范围则可根据光伏组件的参数来进行设定。具体细节详见文献。

如上图所示，当工作点在βmin和βmax的范围外时，Beta法使用变步长；而当工作点在βmin和βmax的范围内时，Beta法使用定步长。这一种将变步长与定步长混合起来的算法，显然不需要进行过多的取舍，因此动态与静态效率可以同时满足。