用自适应搜索算法拟合太阳电池I-V曲线

分析了序贯数论优化算法(SNTO)用于太阳电池I-V曲线拟合时的不足之处,结合遗传算法中自适应搜索的思想,用自适应搜索算法改进了SNTO算法.该算法的基本过程是:以太阳电池等效电路的数学模型为基础建立目标函数;在拟合时,利用自适应搜索算法来随机地确定收缩比,即用第t次拟合中的计算结果来确定第t+1次的最优参数可取值范围,使各步中目标函数的参数空间构成一个最优决策序列.拟合结果表明,该算法比直接采用序贯数论优化算法(SNTO)具有更少的计算量,更高的收敛性和鲁棒性.

自适应伪蒙特卡罗算法及其在拟合太阳电池I-V曲线中的应用

文章分析了序贯数论优化算法用于太阳电池I-V曲线拟合时的不足之处,将遗传算法中自适应搜索的思想和序贯数论优化算法相结合提出了一种自适应伪蒙特卡罗算法。该算法的基本过程是:以太阳电池等效电路的数学模型为基础建立目标函数;在拟合时,利用自适应搜索算法来随机地确定收缩比,即,用第t次拟合中的计算结果来确定第t+1次的最优参数可取值范围,使各步中目标函数的参数空间构成一个最优决策序列。拟合结果表明,该算法比直接采用伪蒙特卡罗算法具有更少的计算量、更高的收敛性和鲁棒性。