该方法是由我们公司去年成功设计并应用于机器上的追踪法，我会在不涉及机密的范围内和大家分享下设计理念。试想，在早晨傍晚的弱光或阴天的情况下，为何依然需要MPPT高精度的追踪最大功率点呢？基于这种观点，我们工程团队开始讨论并且着手编程。由于光照强度对于系统输出功率有直接的线性影响，首先逆变器会对采集的功率进行分析，如果低于25%的额定功率，逆变器将用P&O方法来寻找波峰；反之则切换为二级步伐控制的IC方法。其实这种方法就好像优胜劣汰，精益求精。然而，该方法的局限性也是非常明显的，最明显的地方是一定要求逆变器输入直流功率必须在25%以上。然而澳大利亚还是有相当一部分的家庭喜欢先购买交大容量的逆变器和部分组件，等一年两年以后再把系统扩容。通常他们会选购组件功率2倍以上的逆变器，也有一部分会采用4倍以上的。除此之外，易编程，易理解，易应用都是这套算法的出色之处。我要为团队点个赞。
该算法其实是把INC和试错法结合后的另外一种优化算法。相比于试错法，RCC彻底的改进了需要假设的这个缺陷。同样RCC也继承了这两个方法的缺点，比如较长的反应处理时间以及高平处理器带来的噪音和发热问题。
三．散点扫描优化法（Particle Swarm Optimization）
该方法一反之前的追踪法逻辑概念，逆其道而设计。控制器会散播大量的追踪点在IV曲线，在设定的时间段内进行回收及分析。不再是比较向量的变化以及渐进趋势，而是重新绘制一个模拟的IV曲线，进而准确的判定最大功率点。以下是该方法的算法以及判定流程图。
相比于这些传统的算法，近年来人工逻辑算法也十分热门，但是稳定性以及准确度尚有待时间的检验。恕本人英文程度有限不知道怎么准确翻译为中文，在这里仅仅给出此类算法的判定流程图，诸位可以参考并选择性采纳。
索比光伏网 https://news.solarbe.com/201410/14/208260.html
