CN107168449B - 一种基于神经网络的用于汽车的太阳能电池mppt系统及控制方法 - Google Patents

Abstract

本发明涉及一种基于神经网络的用于汽车的太阳能电池MPPT系统及控制方法。包括车体、固定在车体上的三角立体折叠太阳能电池板，可滑动的太阳能电池板以及在八个光传感器控制下的四根液压杆结构，为保证光电转化效率最大，还加入了改进的最大功率点跟踪算法。车辆静止时，太阳能电池板完全展开，充分接受光照；车辆行驶过程中，基于三角立体折叠的特殊结构，车顶平面仍能继续接受光照给蓄电池充电，太阳能电池板收拢在车顶，经过对四个光传感器转化出的数据比对调整液压杆长度以确定最佳受光倾角，使电池板最大程度接受光照，能够保证行车过程中不增加阻力，保持平稳，不影响车体外形，静止过程中扩大电池板接收面积，有效为蓄电池充电。

Description

一种基于神经网络的用于汽车的太阳能电池MPPT系统及控制 方法

技术领域

本发明属于汽车技术领域，涉及一种太阳能汽车，特别是一种基于神经网络的用于汽车的太阳能电池MPPT系统及控制方法。

背景技术

随着经济的发展及汽车保有量的迅速增长,以化石为燃料的能源危机日益凸显出来,随之带来的环境污染也成为当今世界关注的热点问题。解决这一问题需要依靠清洁能源的开发,实现良性循环。汽车能源利用效率、有害物排放、车用新能源的开发和利用等问题,近年来一直受到各国政府、专家和公众的关注。现阶段因车辆外观局限，有效受光面积过小，因此输出功率很小不足以驱动汽车。

发明内容

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于神经网络的用于汽车的太阳能电池MPPT系统，其特征在于，包括太阳能电池板，电池板组件通过至少四根液压杆将车顶与车体框架结构相连，通过在智能追踪最强光照度过程中对四根液压杆长度的控制，实现车顶倾角调节，实现最大功率点跟踪；太阳能电池板包括滑杆，设置在滑杆上的三角立体折叠太阳能子电池板组和可滑动平面太阳能子电池板，所述三角立体折叠太阳能子电池板组和可滑动平面太阳能子电池板能够组成一块平面的电池板，或能够组成由多个三角立体折叠子电池板组和多个可滑动平面子电池板组成的电池板；所述太阳能电池板上设有若干用于跟踪太阳移动状态的传感器。

在上述的一种基于神经网络的用于汽车的太阳能电池MPPT系统，三角立体折叠太阳能子电池板组包括至少三块三角立体折叠太阳能子电池板，三块三角立体折叠太阳能子电池板两端能够在滑杆上滑动，中间一块三角立体折叠太阳能子电池板能够升起并与相邻两个三角立体折叠太阳能子电池板成0～180°倾角构成一个三角立体折叠太阳能子电池板。

在上述的一种基于神经网络的用于汽车的太阳能电池MPPT系统，滑杆为两个，平行设置在车体顶端，由电力驱动，滑杆为可伸缩结构，每个可滑动平面太阳能子电池板的一端的两角设有安置在滑轨上的滑块，滑块为带电磁铁，在展开过程中使相邻滑块的带同极磁性互斥，快速展开，在收拢过程中，使滑块带异极磁性相吸，将太阳能电池板的四个角与滑杆的顶端固定，四个角设有永磁铁，尤其是在收拢过程中，电磁铁可以以保证电池板收拢结构固定，不发生偏移。

在上述的一种基于神经网络的用于汽车的太阳能电池MPPT系统，传感器为至少8个，其中四个布置在远离太阳能电池板中心的四个角，另外四个布置在靠近太阳能电池板中心的四个角。

在上述的一种基于神经网络的用于汽车的太阳能电池MPPT系统，所述太阳能汽车的车体前盖后盖以及两边均覆盖一层轻薄的薄膜电池。

一种基于神经网络的用于汽车的太阳能电池MPPT系统控制方法，其特征在于，包括以下步骤：

步骤1，在汽车运动过程中，启用靠近中心的四个光敏传感器，在汽车静止过程中，启用外围四个光敏传感器。

步骤2，光敏传感器,将光信号转化为数字信号即电压值进行比对，在允许的误差范围±d以内时，d为用户自行设定，单位为伏特(V)，表示电池板已经处于光照度最强的倾角。若误差范围大于±d，需要通过控制电机的正反转来控制四根液压杆的长度变化。

在上述的一种用于汽车的太阳能电池MPPT系统控制方法，所述步骤1中，通过控制电机的正反转来控制四根液压杆的长度变化的具体方法包括以下步骤：

步骤1，在汽车静止或运动过程中，通过光传感器数据对比之后，将电池板调整到辐照度最强的位置，具体包括：

步骤101，定义光传感器为R1,R2,R3,R4，处于对角线的光传感器R1,R3或R2,R4分为一组两两比较，同理，处于对角线的一组液压杆由一个步进电机控制，通过光传感器可将光线强度转化为电压值；

步骤102，通过电压跟随器将信号传递到电压比较器进行比较(电压比较器可将正弦波转换为方波或矩形波)，电压比较器即可直接比较输入端输入电压值，若同相输入大于反相输入则输出高电平，步进电机正转控制液压杆长度变化，若同相输入小于反相输入则输出低电平，步进电机反转控制液压杆长度变化；直到四个光敏电阻的感光强度一致(处于误差范围内)，电池板到达辐照度最强的位置；

所述步骤1中，由于实际行车状态中对行车安全度的要求，系统调整也可能在未到四个光敏电阻感光强度一致时就停止，此时由步进电机控制的一组液压杆中已经有一根处于保证行车安全条件下的最大长度，因此系统调整处于极限情况，直接进行下一步系统内部参数调节；

步骤2，进行最大功率点跟踪，具体包括：

步骤201，检测电池板的开路电压U_oc和时间参数T_p；

步骤202，基于神经网络寻优算法确认输出最大功率点处电压值U^* _mpp；

所述步骤202中，经自适应RBF神经网络预测方法确认输出最大功率点处电压值U^* _mpp的具体方法包括：

步骤A，确定输入层参数：输入层包括开路电压U_oc，时间参数T_p，前一周同一时刻发电功率均值P以及偏差E；步骤A中所述偏差y(k)为实际输出功率，y_m(k)为理想状态预测输出功率，输出最大功率点处电压值即为U^* _mpp；

步骤B，在隐层部分进行学习和数值处理；若输入U_oc小于临界设定值ΔU_oc，则判定处于阴雨天，停止最大功率点跟踪过程；若输入U_oc大于临界设定值ΔU_oc，则判定处于晴天，开始进行权值计算记录数据；

步骤C，通过y(k)＝h₁w₁+h₂w₂+…+h_iw_i得出输出功率y(k)，其中W＝[w₁,w₂,…,w_i]^T为隐层到输出层权向量，根据输出功率y(k)得出最大功率点处电压值U^* _mpp；

步骤203，随意选取一点A测量电压U_A，电流I_A,将U^* _mpp与U_A比较，直到U_A的值与U^* _mpp在预设允许的误差范围±a之内，计算A点最大功率P_A并储存；

步骤204，在A点左右两侧寻找B、C两点，令U_B＝U_A+b，检测U_B，I_B，U_C＝U_A-b，检测U_C，I_C，b的值为初始确定的较大的电压范围，计算P_A，P_B，P_C并储存；

步骤205，对ABC三点处的功率值进行比较，将B、C两点的功率分别与A点的功率比较，然后对结果进行分析：

情形A：若P_B≥P_A且P_A>P_C则可以确定功率点正在向最大处靠近，可以继续按照原方向靠近，且B点离最大功率点最近，于是选择B为下一次扰动的初始点；

情形B：若仅有P_B≥P_A或P_A>P_C成立，则证明已经到了最大功率点或者光照变化太快出现了误差，于是可以将扰动的初始值保持在A点不变以减小损耗；

情形C：若P_B≥P_A和P_A>P_C均不成立，证明我们预估的功率点和跟踪方向正在远离最大功率点，因此需要改变扰动方向；

考虑到情形C中一直按同样的电压变量b搜寻可能出现跟踪功率点一直在最大功率点附近震荡的情况，为了避免这一情况降低系统损耗，每次在确认需要改变扰动方向之后，便将原有电压变量b缩小为原有的二分之一，提高跟踪精度。

因此，本发明具有如下优点：1.折叠电池板完全展开后可为原电池板表面积的4倍，节省储藏面积，易于展开且更加稳固且展开后能有效遮光防止车内物品损坏；2.在展开过程中，可以通过控制电磁铁的磁极来控制和选择展开的太阳能板块数，无需手动展开且保证了此款太阳能汽车对大多环境都具有很强的适应性，可在多种环境达到最大效率；3.其他不可变的车身部分覆盖薄膜电池，可以保证不改变车身外形也几乎不增加车身重量；4.实时根据光传感器数据调整太阳能电池板角度，对新的控制算法的应用使最大功率点预测以及之后的跟踪更加准确和快速。

附图说明

图1是本发明的电池板全展开视图。

图2是本发明的电池板半展开视图。

图3是本发明的电池板完全折叠视图。

图4是本发明光敏传感器安装位置示意图。

图5是本发明样本采集过程的人工神经网络学习示意图。

图6是本发明的MPPT系统算法流程图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

如图1、图2、图3所示。1是永磁铁固定点，将太阳能电池板的四个角与滑杆的顶端固定，2是居中太阳能电池板固定点，将中间的一块太阳能电池板5固定在车顶上，3是滑轨上的滑动点，带电磁铁，在展开过程中使相邻滑块带同极磁性互斥，快速展开，在收拢过程中，使滑块3带异极磁性相吸，6是可伸缩滑轨，在太阳能电池板展开过程中伸长，确保太阳能电池板伸展平整，收拢过程中滑杆收缩，确保太阳能电池板在汽车行驶过程中的稳定性。

具体结构是在太阳能汽车的车体前盖后盖以及两边均覆盖一层轻薄的薄膜电池。太阳能汽车的车顶上方电池板为可活动结构，由四根液压杆将车顶与车体框架结构相连，可以通过智能追踪最强光照度过程中对四根液压杆长度的控制，实现车顶倾角调节。

太阳能汽车车顶上的太阳能电池板包括三角立体折叠太阳能电池板和可滑动的太阳能电池板两部分。太阳能汽车车顶三角立体折叠太阳能电池板折叠时不增加额外空气阻力，因三角立体折叠的特殊结构，仍有和车顶等大面积的电池板可以持续接受光照；展开时有效面积达到车顶面积的四倍。太阳能汽车三角立体折叠太阳能电池板左右两端具有滑杆结构。太阳能汽车车顶可滑动的太阳能电池板收纳时可以完全隐藏在车顶；展开时在增大车顶电池板有效光照面积之余，亦可起到遮光作用，保证汽车内饰不因光照过强降低使用寿命。

调整太阳能电池板角度的方法为使用传感器进行跟踪。选取八个光传感器分为两组，将四个光传感器固定在可折叠太阳能电池板收拢时的四角上，将四个光传感器固定在可折叠太阳能电池板收拢时的偏中心的位置。选取将光信号转化为数字信号进行比对，当数字信号一致时，代表四个点都已受到太阳光直射，电池板已经调到光照度最大的角度。出于行车安全考虑，汽车行驶过程中使用和比对偏中心的四个光传感器数据，减小调节范围，保证汽车稳定性；汽车静止过程中使用四个外围光传感器。

在完成电池板角度调节以后便进行最大功率点跟踪。基于太阳能车的受众群体，首先对使用地点的样本数据进行收集。收集过程主要是根据光伏电池的开路电压U_oc和时间参数T_p估算出最大功率点的电压值U^* _mpp,在满足条件时调出最大功率点的电压值，作为滞环比较的原点。之后根据扰动观测中的滞环比较结果确定是继续原方向跟踪最大功率点还是反向跟踪。若反向跟踪，为了提高精确度则减小调整电压。

采用这种结构和控制方法之后，能够有效保证行车过程中不增加阻力，保持稳定性，不影响车体外形，静止过程中扩大电池板接收面积，有效为蓄电池充电，且展开的电池板在增大车顶电池板有效光照面积之余，亦可起到遮光作用，保证汽车内饰不因光照过强降低使用寿命。

将电磁铁固定在太阳能电池板的活动点上，伸展过程中给磁铁互斥的力使太阳能电池板自动展开，展开结束后断电，滑杆终端使用永磁铁和太阳能电池板相连，确保展开时太阳能电池板的平整；收缩过程中电磁铁相吸的力使太阳能电池板自动收拢。最外的电池板四个点使用永磁铁固定在滑杆终端。

太阳能电池板在收拢之后，板间呈短路状态，可以看作一块完整的太阳能电池板，无需考虑其他已被折叠部分的遮光问题。

每隔三块太阳能电池板，须有一块太阳能电池板两端各安装两个电磁铁固定模块，保证展开和收拢过程中的稳定性和便捷性。在展开过程中，可以通过控制电磁铁的磁极来控制和选择展开的太阳能板块数，保证了此款太阳能汽车对大多环境都具有很强的适应性，且可在多种环境达到最大效率。

如图4所示。7是放置于太阳能电池板上的光敏传感器，在汽车运动过程中，启用靠近中心的四个光敏传感器，在汽车静止过程中，启用外围四个光敏传感器。光敏传感器会将光信号转化为数字信号(如电压值)进行比对，在允许的误差范围±d以内(d可以根据实际情况设定)时，表示电池板已经处于光照度最强的倾角。若误差范围大于±d，需要通过控制电机的正反转来控制四根液压杆的长度变化。

如图5所示。神经网络学习过程包括三个层面：输入层、隐层、输出层。输入层包括开路电压U_oc，时间参数T_p以及可能存在的偏差；隐层是处理输入数据并通过大量样本数据寻求规律找出输出量与输入量的具体关系；输出层是输出最终估算出的最大功率点处的电压估计值U^* _mpp。U^* _mpp将作为每一次系统滞环比较扰动观测的初始值。

如图6所示。无论是汽车行驶还是汽车静止时都可以有效运用该算法。考虑到汽车行驶过程中的安全问题，汽车行驶过程中使用和比对偏中心的四个光敏元件数据，汽车静止过程中使用四个外围光敏元件。因为在行驶过程中太阳能电池板的倾角不宜过大，因此必然会损失一部分精度来保证更高的安全性和稳定性。而在静止过程中我们则可以完全达到最优位置，具体控制方法包括：

步骤1，在汽车运动过程中，启用靠近中心的四个光敏传感器，在汽车静止过程中，启用外围四个光敏传感器。通过控制电机的正反转来控制四根液压杆的长度变化的具体方法包括以下步骤：

步骤11，在汽车静止或运动过程中，通过光传感器数据对比之后，将电池板调整到辐照度最强的位置，具体包括：

步骤101，定义光传感器为R1,R2,R3,R4，处于对角线的光传感器R1,R3或R2,R4分为一组两两比较，同理，处于对角线的一组液压杆由一个步进电机控制，通过光传感器可将光线强度转化为电压值；

步骤102，通过电压跟随器将信号传递到电压比较器进行比较，电压比较器即可直接比较输入端输入电压值，若同相输入大于反相输入则输出高电平，步进电机正转控制液压杆长度变化，若同相输入小于反相输入则输出低电平，步进电机反转控制液压杆长度变化；直到四个光敏电阻的感光强度一致，电池板到达辐照度最强的位置；

步骤11中，由于实际行车状态中对行车安全度的要求，系统调整也可能在未到四个光敏电阻感光强度一致时就停止，此时由步进电机控制的一组液压杆中已经有一根处于保证行车安全条件下的最大长度，因此系统调整处于极限情况，直接进行下一步系统内部参数调节；

步骤12，进行最大功率点跟踪，具体包括：

步骤201，检测电池板的开路电压U_oc和时间参数T_p；

步骤202，基于神经网络寻优算法确认输出最大功率点处电压值U^* _mpp；

所述步骤202中，经自适应RBF神经网络预测方法确认输出最大功率点处电压值U^* _mpp的具体方法包括：

步骤A，确定输入层参数：输入层包括开路电压U_oc，时间参数T_p，前一周同一时刻发电功率均值P以及偏差E；步骤A中所述偏差y(k)为实际输出功率，y_m(k)为理想状态预测输出功率，输出最大功率点处电压值即为U^* _mpp；

步骤B，在隐层部分进行学习和数值处理；若输入U_oc小于临界设定值ΔU_oc，则判定处于阴雨天，停止最大功率点跟踪过程；若输入U_oc大于临界设定值ΔU_oc，则判定处于晴天，开始进行权值计算记录数据；

步骤C，通过y(k)＝h₁w₁+h₂w₂+…+h_iw_i得出输出功率y(k)，其中W＝[w₁,w₂,…,w_i]^T为隐层到输出层权向量，根据输出功率y(k)得出最大功率点处电压值U^* _mpp；

步骤203，随意选取一点A测量电压U_A，电流I_A,将U^* _mpp与U_A比较，直到U_A的值与U^* _mpp在预设允许的误差范围±a之内，计算A点最大功率P_A并储存；

步骤204，在A点左右两侧寻找B、C两点，令U_B＝U_A+b，检测U_B，I_B，U_C＝U_A-b，检测U_C，I_C，b的值为初始确定的较大的电压范围，计算P_A，P_B，P_C并储存；

步骤205，对ABC三点处的功率值进行比较，将B、C两点的功率分别与A点的功率比较，然后对结果进行分析：

情形A：若P_B≥P_A且P_A>P_C则可以确定功率点正在向最大处靠近，可以继续按照原方向靠近，且B点离最大功率点最近，于是选择B为下一次扰动的初始点；

情形B：若仅有P_B≥P_A或P_A>P_C成立，则证明已经到了最大功率点或者光照变化太快出现了误差，于是可以将扰动的初始值保持在A点不变以减小损耗；

情形C：若P_B≥P_A和P_A>P_C均不成立，证明我们预估的功率点和跟踪方向正在远离最大功率点，因此需要改变扰动方向；

考虑到情形C中一直按同样的电压变量b搜寻可能出现跟踪功率点一直在最大功率点附近震荡的情况，为了避免这一情况降低系统损耗，每次在确认需要改变扰动方向之后，便将原有电压变量b缩小为原有的二分之一，提高跟踪精度。

步骤2，光敏传感器,将光信号转化为数字信号即电压值进行比对，在允许的误差范围±d以内时，d为用户自行设定，单位为伏特(V)，表示电池板已经处于光照度最强的倾角。若误差范围大于±d，需要通过控制电机的正反转来控制四根液压杆的长度变化。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种基于神经网络的用于汽车的太阳能电池MPPT系统，其特征在于，包括太阳能电池板，太阳能电池板通过至少四根液压杆将车顶与车体框架结构相连，通过在智能追踪最强光照度过程中对四根液压杆长度的控制，实现车顶倾角调节，实现最大功率点跟踪；太阳能电池板包括滑杆，设置在滑杆上的三角立体折叠太阳能子电池板组和可滑动平面太阳能子电池板，所述三角立体折叠太阳能子电池板组和可滑动平面太阳能子电池板能够组成一块平面的电池板，或能够组成由多个三角立体折叠子电池板组和多个可滑动平面子电池板组成的电池板；所述太阳能电池板上设有若干用于跟踪太阳移动状态的光传感器；

三角立体折叠太阳能子电池板组包括至少三块三角立体折叠太阳能子电池板，三块三角立体折叠太阳能子电池板两端能够在滑杆上滑动，中间一块三角立体折叠太阳能子电池板能够升起并与相邻两个三角立体折叠太阳能子电池板成0～180°倾角构成一个三角立体折叠太阳能子电池板组。

2.根据权利要求1所述的一种基于神经网络的用于汽车的太阳能电池MPPT系统，其特征在于，滑杆为两个，平行设置在车体顶端，滑杆为可伸缩结构，每个可滑动平面太阳能子电池板的一端的两角设有安置在滑轨上的滑块，滑块为带电磁铁，在展开过程中使相邻滑块带同极磁性互斥，快速展开，在收拢过程中，使相邻滑块带异极磁性相吸，将太阳能电池板的四个角与滑杆的顶端固定，四个角设有永磁铁。

3.根据权利要求1所述的一种基于神经网络的用于汽车的太阳能电池MPPT系统，其特征在于，传感器为至少8个，其中四个布置在远离太阳能电池板中心的四个角，另外四个布置在靠近太阳能电池板中心的四个角。

4.根据权利要求1所述的一种基于神经网络的用于汽车的太阳能电池MPPT系统，其特征在于，所述太阳能汽车的车体前盖后盖以及两边均覆盖一层轻薄的薄膜电池。

5.一种根据权利要求1-4任意一项所述的基于神经网络的用于汽车的太阳能电池MPPT系统的控制方法，其特征在于，包括以下步骤：

步骤1，在汽车运动过程中，启用靠近中心的四个光敏传感器，在汽车静止过程中，启用外围四个光敏传感器；

步骤2，光敏传感器,将光信号转化为数字信号即电压值进行比对，在允许的误差范围±d以内时，d为用户自行设定，单位为伏特(V)，表示电池板已经处于光照度最强的倾角；若误差范围大于±d，需要通过控制电机的正反转来控制四根液压杆的长度变化。

6.根据权利要求5所述的一种用于汽车的太阳能电池MPPT系统的控制方法，其特征在于，所述步骤2中，通过控制电机的正反转来控制四根液压杆的长度变化的具体方法包括以下步骤：

步骤1-1，在汽车静止或运动过程中，通过光传感器数据对比之后，将电池板调整到辐照度最强的位置，具体包括：

步骤101，定义光传感器为R1,R2,R3,R4，处于对角线的光传感器R1,R3或R2,R4分为一组两两比较，同理，处于对角线的一组液压杆由一个步进电机控制，通过光传感器可将光线强度转化为电压值；

步骤102，通过电压跟随器将信号传递到电压比较器进行比较，电压比较器即可直接比较输入端输入电压值，若同相输入大于反相输入则输出高电平，步进电机正转控制液压杆长度变化，若同相输入小于反相输入则输出低电平，步进电机反转控制液压杆长度变化；直到四个光敏电阻的感光强度一致，电池板到达辐照度最强的位置；

步骤1-2，进行最大功率点跟踪，具体包括：

步骤201，检测电池板的开路电压U_oc和时间参数T_p；

步骤202，基于神经网络寻优算法确认输出最大功率点处电压值U^* _mpp；

所述步骤202中，经神经网络寻优算法确认输出最大功率点处电压值U^* _mpp的具体方法包括：

步骤A，确定输入层参数：输入层包括开路电压U_oc，时间参数T_p，前一周同一时刻发电功率均值P以及偏差E；步骤A中所述偏差y(k)为实际输出功率，y_m(k)为理想状态预测输出功率，输出最大功率点处电压值即为U^* _mpp；

步骤B，在隐层部分进行学习和数值处理；若输入U_oc小于临界设定值ΔU_oc，则判定处于阴雨天，停止最大功率点跟踪过程；若输入U_oc大于临界设定值ΔU_oc，则判定处于晴天，开始进行权值计算记录数据；

步骤C，通过y(k)＝h₁w₁+h₂w₂+…+h_iw_i得出输出功率y(k)，其中，W＝[w₁,w₂,…,w_i]^T为隐层到输出层权向量，根据输出功率y(k)得出最大功率点处电压值U^* _mpp；

步骤203，随意选取一点A测量电压U_A，电流I_A,将U^* _mpp与U_A比较，直到U_A的值与U^* _mpp在预设允许的误差范围±a之内，计算A点最大功率P_A并储存；

步骤204，在A点左右两侧寻找B、C两点，令U_B＝U_A+b，检测U_B，I_B，U_C＝U_A-b，检测U_C，I_C，b的值为初始确定的较大的电压范围，计算P_A，P_B，P_C并储存；

步骤205，对ABC三点处的功率值进行比较，将B、C两点的功率分别与A点的功率比较，然后对结果进行分析：

情形A：若P_B≥P_A且P_A>P_C则可以确定功率点正在向最大处靠近，可以继续按照原方向靠近，且B点离最大功率点最近，于是选择B为下一次扰动的初始点；

情形B：若仅有P_B≥P_A或P_A>P_C成立，则证明已经到了最大功率点或者光照变化太快出现了误差，于是可以将扰动的初始值保持在A点不变以减小损耗；

情形C：若P_B≥P_A和P_A>P_C均不成立，证明预估的功率点和跟踪方向正在远离最大功率点，因此需要改变扰动方向；

考虑到情形C中一直按同样的电压变量b搜寻可能出现跟踪功率点一直在最大功率点附近震荡的情况，为了避免这一情况降低系统损耗，每次在确认需要改变扰动方向之后，便将原有电压变量b缩小为原有的二分之一，提高跟踪精度。