改进回溯搜索算法解决光伏模型参数识别问题
为了准确、可靠地识别光伏模型参数，提出一种改进回溯搜索算法（MBSA）。该算法首先通过选取部分种
群个体同时学习当前种群和历史种群信息，而其他个体向当前种群中最优个体学习并远离最差解，从而保持种群多
样性并提高收敛速度；然后，通过概率来量化总体中的个体性能，进而每个个体基于概率自适应地选择不同的进化策
略来平衡探索和开发能力；最后，采用基于混沌局部搜索的精英策略来进一步提高种群的质量。所提算法在单二极
管、双二极管和光伏模块等不同的光伏模型上进行仿真实验。实验结果表明，所提出的策略极大提升了回溯搜索算法（BSA）的收敛速度和参数识别的准确性。将所提算法与逻辑混沌 JAYA（LCJAYA）算法和多重学习回溯搜索算法（MLBSA）等八种先进的算法进行对比，结果表明，所提出算法参数识别的鲁棒性在对比算法中最优，在单、双二极管模型上的识别准确性明显优于JAYA、LCJAYA、改进的JAYA优化（IJAYA）和基于教学的优化（TLBO）算法，在光伏模块模型上的识别准确性明显优于MLBSA、JAYA、IJAYA和TLBO算法。在不同光照条件和不同温度下采用厂商真实数据对薄膜、单晶和多晶三种光伏组件进行的实际测试中，所提算法的预测结果与实测情况一致。仿真结果表明，所提算法能够精确稳定地识别光伏模型参数。
- 2021-06-15
- 阅读100
- 下载0
- 8页
- pdf
