.png){kind=icon}
返回
A Hybrid Shuffled Frog Leaping–Shuffled Complex Evolution Algorithm for Photovoltaic Parameter Identification
.png){kind=icon}
OA
AI
DOI：10.3390/en19051240.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光伏（PV）电池和组件参数的精确识别仍然是一项基础性且具有挑战性的任务，尤其是在模型复杂度从五个未知参数增加到九个未知参数时。本研究将参数提取问题严格表述为非线性优化任务，并采用一种新颖的混合元启发式算法——称为混合蛙跳–混合复合进化（SFL-SCE）方法进行处理。所提出的方法协同整合了混合蛙跳算法（SFL）基于群体的社会学习机制与混合复合进化（SCE）强大的全局搜索和精化能力，从而在探索与开发之间实现了有效平衡。SFL-SCE算法最小化了测量与模拟电流–电压特性之间的均方根误差（RMSE），并系统地应用于三种广泛使用的光伏技术：RTC-France硅太阳能电池、多晶Photowatt-PWP201组件和单晶STM6-40/36组件。针对每种设备，在单二极管、双二极管和三二极管建模框架下进行参数识别，涵盖逐步增加的物理保真度和计算复杂度。在整个过程中使用实验数据以确保实际相关性和鲁棒性。将所提算法的性能与构成算法（SFLA和SCE）以及文献中报道的几种先进的混合优化技术进行了全面评估。比较结果表明，SFL-SCE始终表现出更优的精度、增强的可靠性和更快的收敛速度，如较低的最低、平均和最大RMSE值、较小的标准偏差以及改善的收敛行为，在所有测试案例中均得到验证。这些发现证实了所提出的混合化策略的有效性，并确立了SFL-SCE作为高精度光伏模型参数识别的有力且可靠的工具。
Keyword:
PV cell
parameter identification
shuffled frog leaping algorithm
shuffled complex evolution
期刊
IF:
3.2
论文数:
1.6W
被引数:
14.2W
机构
引用论文
Parameters identification of photovoltaic cells using improved version of the chaotic grey wolf optimizer.png)
Optik
OptikIF0
PREAI
分享收藏Identification of electrical parameters for three-diode photovoltaic model using analytical and sunflower optimization algorithmAPPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏Parameter estimation of photovoltaic cells using an improved chaotic whale optimization algorithm基于改进混沌鲸鱼优化算法的光伏电池参数估计APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏Parameter estimation of static solar photovoltaic models using Laplacian Nelder-Mead hunger games searchSOLAR ENERGY
SOLAR ENERGYIF6.6
PREAI
分享收藏Simulated Annealing algorithm for photovoltaic parameters identification基于模拟退火算法的光伏参数辨识SOLAR ENERGY
SOLAR ENERGYIF6.6
PREAI
分享收藏分享收藏Hybridizing cuckoo search algorithm with biogeography-based optimization for estimating photovoltaic model parametersSOLAR ENERGY
SOLAR ENERGYIF6.6
PREAI
分享收藏
查看更多内容