返回
MPPCEDE: Multi-population parallel co-evolutionary differential evolution for parameter optimization
DOI:10.1016/j.enconman.2020.113661.png)
摘要
En 中文
本文提出了一种新颖的多种群并行协同进化差分进化方法,称为MPPCEDE,以优化光伏 (PV) 模型的参数并提高太阳能的转换效率。在MPPCEDE中,采用反向学习机制来生成初始的几个子种群,以提高收敛速度并保持种群多样性。开发了一种新的多种群并行控制策略,以保持子种群中的搜索效率。提出了具有精英种群和三种变异策略的协同进化变异策略,通过协同机制减少计算资源,平衡探索和探索能力,提高收敛速度,实现信息交换。然后利用MPPCEDE在各种条件和环境下有效地优化光伏模型的参数,以获得光伏模型的参数值。最后,通过不同的光伏模型和制造商的数据表测试了所提方法的有效性。实验和比较结果表明,与几种光伏模型参数提取方法相比,MPPCEDE具有更高的精度和可靠性,并且收敛速度快。
Keyword:
Photovoltaic
Parameter extraction
Equivalent circuit model
Differential evolution
Parallel co-evolution
Multi-population
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
10.9
论文数:
2.0W
被引数:
11.3W
机构
引用论文
Hybridizing cuckoo search algorithm with biogeography-based optimization for estimating photovoltaic model parameters
SOLAR ENERGY
IF6.6
Extraction of photovoltaic module model's parameters using an improved hybrid differential evolution/electromagnetism-like algorithm基于改进差分进化/类电磁混合算法的光伏组件模型参数提取
SOLAR ENERGY
IF6.6
Multi-population differential evolution-assisted Harris hawks optimization: Framework and case studies多种群差分进化辅助Harris hawks优化: 框架与案例研究
Parameter extraction of solar photovoltaic models using an improved whale optimization algorithm基于改进鲸鱼优化算法的太阳能光伏模型参数提取
Classified perturbation mutation based particle swarm optimization algorithm for parameters extraction of photovoltaic models基于分类扰动变异的粒子群优化算法在光伏模型参数提取中的应用


