改进人工生态系统优化算法解决光伏模型参数辨识问题

光伏模型同时具有非线性和多模态的特点,传统算法在对其参数识别时易陷入局部最优,且识别精度不足。提出了一种改进的人工生态系统优化算法(IAEO),通过引入非线性控制参数调整策略来平衡探索与开发的关系,利用混沌的遍历性和非重复性来增强算法的探索能力。仿真实验表明,在单、双和三二极管和光伏组件模型上,改进算法的参数识别精度均超过99.9%,相较于原算法的RMSE值在四种模型上平均提高5.5%,和五种先进算法对比具有较强的优势。采用厂商真实数据对薄膜、单晶和多晶3种光伏组件在不同的光照和温度条件下进行测试,改进算法在不同环境中依然保持较高的准确性和稳定性。

基于随机差分变异的改进鲸鱼优化算法

针对基本鲸鱼优化算法(whale optimization algorithm,WOA)求解复杂问题时存在解精度低、收敛速度慢和易陷入局部最优的缺点,提出了一种基于非线性调整控制参数和随机差分变异策略的改进鲸鱼优化算法(IWOA),设计了基于余弦函数非线性调整控制参数的策略,以协调算法的探索和开发能力;随机选择个体与当前个体进行差分变异产生新个体以增强群体的多样性,减小陷入局部最优的概率。对6个标准测试函数进行仿真实验,结果表明,IWOA的寻优精度和收敛速度均有明显的提高。