.png){kind=icon}
返回
Weighted Dream Optimization Algorithm with jDE for Photovoltaic Parameter Identification
.png){kind=icon}
PRE
AI
DOI：.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确且稳健的光伏模型参数识别对于器件建模、系统控制和最大功率点跟踪至关重要。我们提出了一种加权梦境优化算法，通过三种互补机制增强了梦境优化算法框架。首先，帐篷混沌初始化扩大了早期状态空间覆盖范围并改善了边界处理。其次，自适应性微分进化（jDE）动态调整差分权重和交叉率，在维持全局探索的同时加速局部细化。最后，在停滞情况下激活精英-均值高斯变异，围绕精英解的中心点注入退火扰动，恢复种群多样性并缓解早熟收敛。在CEC2022基准测试套件中，所提出的方法与十种先进算法进行比较，实现了最高的综合排名，同时在保证计算成本具有竞争力的前提下，持续提升精度、收敛速度和鲁棒性。在四个参数识别任务（即单二极管模型、双二极管模型、三二极管模型和光伏模块模型）中，该方法在最佳值、平均值和标准差上均取得最佳结果，并综合排名第一。恢复的参数具有物理合理性，包括光电流、反向饱和电流、理想因子以及串联和并联电阻，它们在全操作范围内实现了忠实的I-V和P-V重建。这些发现表明，加权梦境优化算法（WDOA）为光伏模型参数识别提供了有效且可靠的解决方案，结合了强大的数值性能和良好的物理一致性。
Keyword:
Index Terms-photovoltaic model parameter
tent chaotic initialization
jDE
elite-mean gaussian mutation
