工業和商業黃頁資訊網論文書籍站
國立臺灣科技大學 電機工程系 劉益華所指導 賴伯榕的 擾動觀察法於最大追蹤之評估 （2013），提出62150H 600S關鍵因素是什麼，來自於最大功率追蹤、擾動觀察法、參考電壓擾動、直接責任週期擾動。
而第二篇論文國立臺灣科技大學 電機工程系 連國龍所指導 陳逸軒的 以多粒子擾動觀察法克服遮蔽問題之太陽能最大功率追蹤演算法 （2013），提出因為有 太陽能最大功率追蹤、最佳化演算法、粒子群演算法、模擬退火法、多粒子擾動觀察法的重點而找出了 62150H 600S的解答。
擾動觀察法於最大追蹤之評估
為了解決62150H 600S 的問題，作者賴伯榕 這樣論述：
太陽能電池的輸出電壓與電流會根據照度與溫度的變化而改變，即太陽能電池的輸出特性受到天氣與環境因素影響。因此，太陽能電池在特定的照度與溫度下存在一最大功率輸出點。對太陽能發電系統而言，最大功率追蹤演算法是從太陽能電池獲得最大功率的重要技術。在過去有關最大功率追蹤技術的文獻中，擾動觀察法因其簡單且易於實現而普遍被採用。擾動觀察最大功率追蹤演算法有兩個實現方法：參考電壓擾動與直接責任週期擾動。然而，兩種實現方法之間的差異少有探討。本論文首先建立兩種不同控制方法的擾動觀察最大功率追蹤系統，以升壓型轉換器作為功率級，並以Microchip公司出品之dsPIC33FJ16GS502數位訊號控制器實現最大
功率追蹤控制器部分。接著透過實驗結果比較兩種系統之效能，並探討演算法參數對系統行為之影響。最後，討論並比較兩種技術之優缺點。
以多粒子擾動觀察法克服遮蔽問題之太陽能最大功率追蹤演算法
為了解決62150H 600S 的問題，作者陳逸軒 這樣論述：
太陽能電池依其電壓與電流之關係可繪出非線性之特性曲線，該曲線會隨日照與溫度改變，依據太陽能電池當下的狀態，有不同的電壓-電流(V-I)特性曲線而有不同的功率輸出，因而需發展出最大功率(Maximum Power Point Tracking, MPPT)追蹤系統，以利於不同遮蔭因素下太陽能電池依然能保持最大功率輸出。本論文利用太陽能模擬機模擬出太陽能電池因部份遮蔽導致輸出功率-電壓(P-V)特性曲線的多峰現象，此現象會在特性曲線上產生多個區域的最佳解(local maximum)，傳統的方法無法辨別是否為全域最佳解(global maximum)，而造成無法有效的輸出最大功率，因此本文使用三
種最佳化的智能演算法，做最大功率點的搜尋，分別為粒子群演算法(particle swarm optimization, PSO)、模擬退火法(simulated annealing, SA)與多粒子擾動觀察法(multiple-perturb-and-observe, multiple-P&;O)。模擬退火法為單一粒子搜尋的智能演算法，且為全域最佳解之搜尋方法，可成功的追蹤到最大功率點，其方法運算簡單，但需較長的搜尋時間。粒子群演算法為群體粒子之隨機搜尋演算法，可成功搜尋到最大功率點，但因其演算法有隨機亂數機制會影響收斂時間。為了克服隨機亂數可能會影響收斂時間的缺點，本文提出多粒子擾動觀察法，
以直接搜尋且用群體粒子做最大功率點搜尋，不但時間快且不受亂數機制影響收斂時間。