1. 为什么光伏系统必须配MPPT：从一块光伏板的“憋屈”说起
做过光伏项目或者搭过离网系统的朋友应该都有体会：光伏板明明标着最大功率300W，实际接上负载之后，能跑出200W都算不错了。很多人第一反应是“光照不够”，但光照充足的时候依然跑不满，这时候问题往往出在工作点上——光伏板不是你想让它输出多少它就输出多少的，它的输出功率由负载特性决定。
MPPT（Maximum Power Point Tracking，最大功率点跟踪）要解决的就是这个匹配问题。我最早接触这个概念是在做离网户用系统的BUCK电路设计时，光伏板直接挂电池，板子被电池电压“钳”在14.4V左右，而那块板子的最大功率点电压在18V附近，结果就是板子一天到晚在“憋着劲”干活，功率损失惨重。从那之后我才真正理解：光伏板必须配合MPPT算法，才能让光伏板始终工作在P-V曲线的“山顶”上。
这篇博文我聚焦一个很多人问我的课题方向——光伏MPPT仿真，具体把三种最经典的算法一次讲透：固定电压法、扰动观察法（P&O）、电导增量法（IncCond）。我用的仿真平台是Simulink，因为它在电力电子和光伏发电这个方向几乎是事实标准，很多课程设计和论文都拿它出图。文章会覆盖建模细节、算法逻辑、Simulink实现步骤、三种算法同平台对比，以及我在仿真过程中踩过的那些坑。无论你是刚入手MPPT的学生，还是在项目里需要快速选型验证的工程师，这篇文章应该都能给你省下不少摸索的时间。
2. 仿真地基：光伏电池的工程数学模型与Simulink搭建
MPPT仿真的地基是光伏电池模型，模型不准，后面所有算法对比都是空中楼阁。很多人图省事直接用Simulink库里的PV Array模块，这个模块确实方便，但它默认带了针对厂商参数表的建模方式，如果你手头没有详细的厂家测试数据，或者想看清楚算法到底在干什么，我建议还是自己动手搭一个基于工程数学模型的电池模块，整个控制链路会透明得多。
2.1 光伏电池等效电路与I-V/P-V特性
工程上最常用的光伏电池模型是单二极管等效电路，主要由光生电流源 (I_{ph})、二极管 (D)、串联电阻 (R_s) 和并联电阻 (R_{sh}) 组成。输出电流方程写出来是：
[ I = I_{ph} - I_0 \left[ \exp\left(\frac{q(V + IR_s)}{n k T}\right) - 1 \right] - \frac{V + IR_s}{R_{sh}} ]
如果你不是做光伏器件物理研究，这个完整方程用起来很麻烦，因为 (R_s) 和 (R_{sh}) 的参数不好确定。工程上一般做两个简化：忽略 (R_{sh}) 项（它的影响在正常工作区很小），再结合厂商手册上的四个关键参数——短路电流 (I_{sc})、开路电压 (V_{oc})、最大功率点电流 (I_{mp})、最大功率点电压 (V_{mp})，用归一化方法算出近似I-V曲线。这套方法在很多教材里都有，我直接给出Simulink模块里要用的核心表达式：
[ I = I_{sc} \left[ 1 - C_1 \left( \exp\left(\frac{V}{C_2 V_{oc}}\right) - 1 \right) \right] ]
其中：
[ C_1 = \left(1 - \frac{I_{mp}}{I_{sc}}\right) \exp\left(-\frac{V_{mp}}{C_2 V_{oc}}\right) ]
[ C_2 = \frac{\frac{V_{mp}}{V_{oc}} - 1}{\ln\left(1 - \frac{I_{mp}}{I_{sc}}\right)} ]
这个模型只依赖厂商手册上的四个基本参数，非常实用。加上温度和光照修正系数，就能模拟不同环境下的输出变化。实际搭建时我用MATLAB Function块写这个方程，配合一个受控电流源输出给负载电路。
2.2 Simulink中基于方程的光伏模块搭建
我习惯用如下步骤在Simulink里把光伏电池封装成一个子系统：
- 新建Simulink模型，添加一个MATLAB Function模块，输入是当前工作电压 (V)、光照强度 (S)、温度 (T)，输出是电流 (I)。
- 在函数内部实现上面给出的方程，同时加入光照和温度的修正公式。比如光生电流 (I_{ph}) 近似与光照成正比，开路电压随温度升高而降低，温度系数一般取 (-0.35%/^\circ C) 到 (-0.4%/^\circ C)。
- 将MATLAB Function的输出电流送给一个受控电流源（Controlled Current Source），电流源并联一个电阻模拟负载，以及一个大电容稳定电压。
- 用电压测量模块采集光伏板两端电压，形成闭环反馈。
提示：MATLAB Function里如果方程写得比较复杂，建议先在外面用一个简单的量纲检查测试——比如光照1000W/m²、温度25°C时，开路电压和短路电流必须等于厂商参数，否则就是 (C_1)、(C_2) 算错了。
搭完模型后，先扫一条P-V曲线看看。给光伏模块加一个从0开始线性升压的电压源（用斜坡信号驱动理想电压源），记录功率并画图。正常情况下你会得到一条单峰曲线：功率从0开始随电压升高而上升，到达最大功率点 (P_{max}) 后迅速下降。这个“单峰”特性是固定电压法、扰动观察法和电导增量法成立的物理前提。如果仿真出来的P-V曲线不是单峰，或者峰值跑到0V附近，那八成是电池模型参数输入出了问题，先修模型再谈算法。
3. 固定电压法：最粗暴但最稳的MPPT策略
3.1 原理与适用场景
固定电压法（Constant Voltage，CV）的思路朴素到有点“欺负人”：反正光伏板的最大功率点电压 (V_{mp}) 在标准测试条件下大约是开路电压 (V_{oc}) 的0.72到0.78倍，那我直接把光伏板的工作电压钳定在这个比例上不就完了？不需要测功率，不需要迭代，一个简单的PI控制器把电压控制在预设值即可。
这个方法的理论依据是：在不同光照强度下，最大功率点电压的变化相对较小，尤其是在光照不太低的情况下，(V_{mp}) 基本围绕某个电压值小幅波动。既然离线测一次开路电压就能得到一个大致的 (V_{mp})，工程上完全可以接受。
适用场景很明确：对于低成本、低动态要求的小功率系统（比如几瓦到几十瓦的便携充电器、太阳能路灯控制器），或者作为光伏系统启动阶段的临时策略，固定电压法是个非常可靠的选择。因为它没有振荡问题，不会在最大功率点附近来回“游荡”，也就不会因为算法振荡导致输出纹波过大。
3.2 仿真实现与参数设置
在Simulink里实现固定电压法很简单：
- 设一个常量模块 (V_{ref} = 0.75 \times V_{oc})，作为目标电压。
- 光伏板输出电压 (V_{pv}) 减去 (V_{ref})，误差进入PI控制器。
- PI控制器输出限幅后作为PWM波形的占空比 (D)，驱动Boost电路中的MOSFET。
我用的光伏板参数是某块250W的板子，(V_{oc}=37.5V)，(V_{mp}=29.8V)，比值大约是0.795。由此可见，0.75只是一个经验值，实际不同板子会有差异。更讲究的做法是在系统启动时短暂断开负载，直接测一次 (V_{oc})，然后乘以0.8作为 (V_{ref})。这样做的好处是能适应电池板老化、温度不同的情况。
PI参数方面，我试过纯P控制也能跑，但会有静态误差；加上积分项之后可以把误差压到接近零。一般 (K_p=0.5)、(K_i=5) 起步，然后根据被控对象特性微调。要注意的是PI控制器输出的是占空比，必须限幅在0到0.9之间，防止启动瞬间占空比饱和导致电流冲击。
3.3 固定电压法的局限
固定电压法的最大问题显然不是精度——它压根没有“追踪”的概念，只是“守株待兔”。当温度变化剧烈时，最大功率点电压会明显漂移（温度升高，(V_{mp}) 下降），固定电压就会偏离真正的MPP，造成功率损失。仿真中对比同一块板子，25°C下固定电压可能只损失2-3%的输出功率，但到了60°C的暴晒环境，损失可能达到10%以上。
所以我的结论是：固定电压法不要作为全天候工作的主算法，它更适合做“启动引导”。不少实际MPPT控制器确实是这样设计的：上电时先用固定电压法让系统进入工作状态，等功率稳定后切换到扰动观察法或电导增量法。这种两段式策略在仿真里很容易实现，也是我推荐大家尝试的进阶玩法。
4. 扰动观察法：工程中最常用的爬山法
4.1 原理与判据
扰动观察法（Perturb and Observe，P&O）的流程可以用一个“爬山”来理解：人站在山坡上想走到山顶，每次朝某个方向迈一小步，如果迈完之后发现海拔上升了，就继续朝这个方向走；如果发现海拔下降了，就掉头走。对应到MPPT里，“海拔”就是光伏板的输出功率 (P)，方向就是占空比 (D) 的增加或减小。
具体判据如下：给定一个占空比变化量 (\Delta D)，先让占空比变为 (D + \Delta D)，测出新的功率 (P_{new})：
- 如果 (P_{new} > P_{old})，说明扰动方向正确，保持同一方向继续扰动。
- 如果 (P_{new} < P_{old})，说明扰动方向错误，下一次就反向扰动。
- 如果 (P_{new} = P_{old})，维持当前方向或直接不扰动。
在Simulink里实现P&O算法，最直接的方法是用Delayed（单位延迟）模块或Memory模块保存上一拍的功率和占空比。整个算法逻辑用Stateflow或MATLAB Function都能写，我习惯用MATLAB Function，原因是可以把判断逻辑写得很清晰，注释也好加，后续改成变步长也容易。
4.2 步长选择的折中
扰动观察法有一个绕不开的矛盾：步长 (\Delta D) 取大了，跟踪速度快，但到达最大功率点后在两侧来回振荡的幅度也大，稳态时输出功率纹波明显；步长取小了，稳态精度高，但遇到光照突变时会显得很笨，半天追不上。
我以前做仿真时犯过的一个错误是：为了追求“很快到达最大功率点”，把 (\Delta D) 设成了0.05。仿真结果确实很快就爬到山顶附近了，但之后P-V曲线上方一直拖着一个明显的锯齿，功率在38.2W和41.5W之间来回跳。用功率表一量，平均功率比真正的最大功率低了差不多2.5W。这个损耗放在大功率电站里就是积少成多。
折中方案有两个方向：
- 固定步长取一个折中值，比如 (\Delta D=0.01)。图像上稳态振荡会小一些，但动态响应略慢。
- 变步长P&O，这是我最推荐的方案。思路是：当 (|dP|) 较大时，说明离最大功率点还远，用大步长快速接近；当 (|dP|) 较小时，说明接近最大功率点了，自动切到小步长精调。用MATLAB Function一个if-else分支就能实现。
4.3 仿真实现与振荡现象
Simulink里搭建P&O的基本框架如下：
- 采样光伏板输出电压 (V_{pv}) 和电流 (I_{pv})，用乘法器算出功率 (P_{pv})。
- 将 (P_{pv}) 和当前占空比 (D) 送进MATLAB Function，通过内部持久变量比较相邻两个采样周期的功率和占空比。
- 函数输出新的占空比 (D_{new})，送给PWM发生器（我用的是Simulink自带的PWM Generator模块，载波频率设20kHz）。
- PWM输出给Boost电路的MOSFET驱动端。
仿真时要注意采样周期 (T_s) 的选取。我最初用的是 (T_s=10ms)，结果P&O的响应慢吞吞，光照突变后要400ms才恢复最大功率点。主要原因是Boost电路本身的动态响应时间大约是几毫秒，如果MPPT采样周期比系统的电气时间常数还短，你采到的功率其实是上一个占空比变化引发的瞬态过程中的“假值”，会导致误判。后来我把 (T_s) 改成50ms，动态响应和稳态精度都变得正常了。
P&O的振荡是它的天性，即使光照完全不变，稳态时它也会在MPP两侧小幅度跳动。这种振荡在仿真波形上表现为光伏输出功率曲线上的周期锯齿。有个小经验：把采样保持器加上，让P&O在一个采样周期内只改变一次占空比，不要连续改变，可以减少一部分高频抖动的叠加。
5. 电导增量法：精度党的选择
5.1 判据推导
电导增量法（Incremental Conductance，IncCond）是我个人比较偏爱的算法，因为它的判据带有“数学美感”——直接利用P-V曲线在最大功率点处斜率为0的特性。
光伏输出功率 (P = V \times I)，对电压求导：
[ \frac{dP}{dV} = I + V \frac{dI}{dV} ]
在最大功率点处 (\frac{dP}{dV} = 0)，于是得到：
[ \frac{dI}{dV} = -\frac{I}{V} ]
这个式子左边是电导增量，右边是瞬时电导的负值。所以判断逻辑变得非常清晰：
- 若 (\frac{dI}{dV} > -\frac{I}{V})，说明当前电压低于最大功率点电压，需要增大电压；
- 若 (\frac{dI}{dV} < -\frac{I}{V})，说明当前电压高于最大功率点电压，需要减小电压；
- 若两者近似相等，则说明已经工作在最大功率点上，保持当前电压不变。
相比P&O通过“扰动后看功率变化”来判断方向，电导增量法是直接根据当前工作点的电导关系判断最大功率点在哪个方向，理论上判断更准确，响应也更快，而且稳态时可以在意识到已经到达MPP后主动停止扰动，而不是继续盲目扰动导致振荡。
5.2 仿真实现细节
在Simulink中实现电导增量法，核心是计算 (dI) 和 (dV)。我采用以下方案：
- 采样当前电压 (V_k) 和电流 (I_k)，同时用单位延迟保存上一拍的 (V_{k-1})、(I_{k-1})。
- 计算 (dV = V_k - V_{k-1})，(dI = I_k - I_{k-1})。
- 将 (dV)、(dI)、(V_k)、(I_k) 输入MATLAB Function，函数内部根据判据调整电压参考值或占空比。
- 若 (dV=0) 且 (dI=0)，说明电压没变电流也没变，大概率已经稳定在MPP附近，保持占空比不变。
- 若 (dV=0) 但 (dI \neq 0)，说明光照发生了变化，此时电流增量可以直接作为调整电压方向的依据——如果 (dI > 0)，光照在增强，应该增大电压；反之减小电压。
最后一步是很多人容易漏的。我见过不少仿真里，光照突变时电导增量法反而比P&O还慢，就是因为没有处理 (dV=0) 这个特殊情况。其实 (dV=0) 在数字控制中出现的概率很高，因为ADC采样精度有限，相邻两拍电压可能完全相同，这时候电导增量法就失去了 (dI/dV) 这个有效判据，必须用 (dI) 本身来辅助判断。
控制策略方面，我用的输出是电压参考值 (V_{ref})，然后通过PI控制器把光伏板电压拉到 (V_{ref})，PI输出再转成占空比。这种“电压外环+PI内环”的结构比直接输出占空比更平滑，仿真结果也更稳定。不过如果你图省事，直接把电导增量法的输出作为占空比增量 (\Delta D) 也可以，代码更简单，只是稳压效果差一些。
5.3 与扰动观察法的实质区别
很多初学者会觉得电导增量法和P&O差不多，都是“测电压电流，然后调占空比”，但仔细分析会发现它们的底层逻辑完全不同：
P&O是“事后验证”——先扰动，再看结果，错了就回头，本质上是一个滞环控制，必然伴随振荡。 电导增量法是“事前判断”——根据当前工作点在P-V曲线上的位置（左坡还是右坡）直接决定调整方向，理论上可以做到精确停在最大功率点上不振荡。
当然这只是“理论上”。实际数字采样中，因为量化误差和噪声，电导增量法也很难做到绝对静止，它同样会有一个很小的稳态波动，只是幅度通常比P&O小一个量级。在仿真里把电导增量法的稳态波形放大看，你会发现功率曲线基本是一条直线，偶尔有一两个采样点跳变。
这是个很有意思的对比，也是我每次做仿真汇报时必放的图：同一个Boost电路、同样的光照阶跃，P&O的功率曲线是一路“锯齿爬山”，电导增量法是“直线上坡”，到顶之后稳稳站住。光看这张图，导师或者评审基本就能理解为什么论文里要花篇幅讲电导增量法了。
6. 三种算法同平台仿真对比：直观数据说话
6.1 仿真环境与参数
为了公平对比三种算法，我搭建了一个完全相同的仿真平台，只切换算法模块，其他环节一概不动。平台参数如下：
| 参数 | 数值 |
|---|---|
| 光伏板开路电压 (V_{oc}) | 37.5V |
| 光伏板短路电流 (I_{sc}) | 8.5A |
| 最大功率点电压 (V_{mp}) | 29.8V |
| 最大功率点电流 (I_{mp}) | 7.6A |
| 标准最大功率 (P_{max}) | 226.5W |
| Boost电感 L | 2mH |
| 母线电容 C | 470µF |
| 负载电阻 R | 15Ω |
| PWM开关频率 f | 20kHz |
| MPPT采样周期 (T_s) | 50ms |
| 仿真时长 | 2s |
光照工况设为：0到0.6s光照600W/m²，0.6s时阶跃到1000W/m²，1.2s时阶跃回800W/m²。温度恒定为25°C。这样的场景覆盖了稳定、跳升、跳降三种典型状态，能比较全面地暴露每种算法的动态和稳态性能。
6.2 光照阶跃响应对比
仿真跑完之后，我把三条功率曲线拿出来对比，差异非常直观。
固定电压法：因为 (V_{ref}) 是固定的，光照跳变时系统几乎没有“追踪”动作，功率直接跳变到新光照对应的P-V曲线上与固定电压相交的点。600W/m²时最大功率大约135W，固定电压法输出125W左右；1000W/m²时最大功率226W，固定电压法输出206W左右。损失率在8%-9%，稳定但不出彩。
扰动观察法：光照阶跃瞬间，功率会先有一个快速跳变（因为光照变了但占空比还没变），然后P&O开始“爬山”。从波形上看，600到1000W/m²的阶跃，P&O大约在0.85s左右才重新爬到新最大功率点，追踪耗时约250ms。期间功率曲线呈现明显的锯齿状上升，每一步都在“试探”。稳态时输出功率在221W到224W之间摇摆，平均功率约222.5W，比最大功率点低接近2%。
电导增量法：同样是600到1000W/m²的阶跃，电导增量法不到100ms就基本稳住了新最大功率点，而且稳态曲线几乎平直，平均功率在225W附近，理论损失小于0.5%。在光照从1000回到800W/m²的下降过程中，电导增量法的表现同样干脆利落，几乎看不到拖泥带水的搜索过程。
6.3 稳态振荡与跟踪速度对比
把三种算法的稳态数据整理成表格，优劣一目了然：
| 算法 | 平均稳态功率 | 相对最大功率点误差 | 光照阶跃恢复时间 | 稳态功率波动范围 |
|---|---|---|---|---|
| 固定电压法 | 206.5W | 8.8% | 约0ms（不追踪） | 无波动 |
| 扰动观察法 | 222.5W | 1.8% | 约250ms | 约3W |
| 电导增量法 | 225.3W | 0.5% | 约80ms | 约0.3W |
这里要强调一下，上面的数据是在固定步长 (\Delta D=0.01) 条件下得到的。如果P&O用变步长，稳态误差可以缩小到1%以内，但代码复杂度相应上升。电导增量法在精度和动态响应上的优势在仿真中确实存在，但它对采样噪声更敏感，实际硬件环境中需要做好滤波，否则 (dV) 和 (dI) 的计算会受到严重干扰。
注意：仿真是理想化环境，以上数据仅代表该平台参数下的相对表现，换不同的Boost参数、不同采样频率，绝对数值会变化，但相对趋势基本一致。
7. 我踩过的坑：仿真不收敛、振荡炸锅与误判问题
7.1 求解器设置导致的功率曲线“毛刺”
仿真初期我遇到一个很头疼的问题：功率曲线在稳定状态下夹杂大量高频毛刺，看起来像是算法在乱跳，但把采样点拿出来看，算法逻辑完全正常。后来排查发现是Simulink求解器设置的问题——我用的默认变步长求解器（ode45），在开关频率20kHz的Boost电路中，为了满足误差容限，会自动把步长切得很小，结果在开关切换瞬间引入了大量数值噪声。
解决办法有两个：一是把求解器改成离散求解器（discrete），步长设为1e-5秒，和PWM周期匹配；二是如果非要变步长，就把误差容限调松一些，同时把PWM发生器的“Solver”选项设置为“Discrete”。我试过之后，功率曲线立刻变得干净平滑。这个问题在Simulink仿真MPPT时几乎必遇，属于“仿真参数和电路模型不匹配”的典型症状。
7.2 电感电流断续导致的MPPT误判
Boost电路在低光照条件下容易进入断续导电模式（DCM），表现为电感电流下降到零后停留一段时间。DCM模式下，Boost的电压增益不再符合连续模式（CCM）下的公式 (V_{out}/V_{in} = 1/(1-D))，而是与负载和电感参数非线性相关。这意味着占空比与光伏板工作电压的关系会变得“不听话”。
我第一次做低光照仿真时，光照降到200W/m²，P&O算法突然“发疯”，占空比一直在0.2到0.6之间大幅摆动，功率远低于理论最大值。排查后发现问题不在算法，而在于Boost电路在DCM模式下已经无法通过占空比精确控制光伏板电压。解决办法是我在Boost电路输出端加了一个足够大的母线电容，让系统尽量工作在CCM模式；同时把最小占空比限制在0.05以上，避免占空比太小导致Boost电路彻底进入间歇状态。
7.3 算法采样频率与PWM频率的配合问题
另一个高频踩坑点是采样频率和PWM频率的配合。如果你用Simulink的PWM Generator模块，它的载波频率是独立的，而MPPT算法的采样频率由你控制。如果MPPT采样频率远低于PWM频率（比如PWM 20kHz，MPPT采样20Hz），那每个MPPT步长内，PWM已经完成了上千个周期，光伏板电压已经达到稳态，此时采样的数据是可信的。但如果MPPT采样频率设置得太高，比如1kHz，那么你采到的功率数据实际上是上一个占空比调整后电路的瞬态响应，还没有稳定，算法就会基于“假的功率值”做出错误判断。
经验法则是：MPPT采样频率至少要比Boost电路的闭环带宽低一个数量级。Boost电路的带宽通常由LC滤波器决定，大致在几百赫兹到几kHz，所以MPPT采样频率设在20Hz到100Hz之间比较合理，对应采样周期10ms到50ms。我的仿真中选用50ms，既保证了响应速度，又避开了瞬态干扰。
7.4 光照突变时P&O的“走错路”问题
P&O算法的经典误判场景是光照突变。假设当前工作在最大功率点左边，占空比正在增大（相当于电压增大），此时光照突然增强，光伏板功率快速上升。P&O看到的是“功率上升了”，它会认为是“增大占空比这个方向对了”，于是继续增大占空比。但如果光照增强导致的功率上升其实是瞬时的，而占空比增大实际上已经把工作点推过了最大功率点，那P&O就会朝错误方向继续走，直到发现功率下降才回头。这个“误判-纠正”的过程在仿真里表现为光照突变后的一个功率凹陷。
解决这个问题的常见方案是：一次光照突变后，强制重置P&O的扰动方向，或者把采样周期拉长，让系统在判断前充分稳定。我试验过一种有效的方法——在P&O中加入“功率变化过大”的检测：如果某次采样的功率变化超过当前功率的10%，说明大概率发生了光照突变，此时直接清空历史方向，重新开始搜索。这样可以显著降低误判概率，虽然不能完全消除，但已经足够实用。
7.5 仿真平台选择的建议
很多人问我是用Simulink还是PSIM或者Multisim做MPPT仿真。我的建议是：如果你侧重于控制算法的验证和逻辑分析，Simulink是最优解，尤其是它的MATLAB Function和Stateflow写算法非常方便，数据图表也是一流的；如果你的重点是电力电子变换器本身的性能（效率、损耗、开关应力），那PSIM或Simulink的Simscape Electrical模块更合适。Multisim更适合纯模拟电路的教学演示，做MPPT算法验证不太顺手，因为它的控制逻辑嵌入成本比较高。
另外提一句，不少网络热词里提到“multisim仿真速度修改”“wokwi仿真平台arduino”这类搜索，这说明很多同学在找轻量级仿真方案。我理解这种需求，但MPPT涉及光伏电池模型、Boost电路和闭环控制三个子系统，轻量级工具很难完整覆盖，还是老老实实用Simulink吧，出图漂亮、跑起来也顺。Simulink唯一的门槛是安装包比较大，以及初学时模块库的熟悉过程，但这些投入在之后做光伏功率预测、神经网络MPPT等方向时都会连本带利赚回来。
做MPPT仿真这几年，我最大的体会是：算法本身不复杂，三页PPT就能讲清楚原理，但真正把仿真跑通、跑稳、跑出有说服力的对比曲线，需要把求解器设置、采样周期、电路参数、判据细节这些“脏活累活”都理顺。这篇文章里写的每一个坑，都是我自己在Simulink里一个个试出来的。如果你在复现过程中遇到其他问题，优先检查一下电路在某种光照下是否进入了DCM模式，再检查一下MPPT采样周期是否落在了系统瞬态区间内——这两个原因至少能解释我遇到过的80%的仿真异常。
