欢迎来到天天文库
浏览记录
ID:53020260
大小:391.25 KB
页数:5页
时间:2020-04-12
《《蜂群算法在太阳能电池参数辨识中的应用》.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、·132·《测控技术~2015年第34卷第7期蜂群算法在太阳能电池参数辨识中的应用简献忠,魏凯,郭强(1.上海理工大学光电与计算机工程学院教育部及上海市现代光学系统重点实验室,上海200093;2.国家卫星气象中心,北京100081)摘要:为了解决太阳能电池参数辨识中参数识别精度低的问题,提出了采取基于侦查蜂阶段加入遗忘因子和邻域因子的人工蜂群算法(ABS)的解决方法。ABS算法在搜索的初期通过遗忘因子和邻域因子来使侦查蜂调整路径,从而能快速收敛到最优食物源所在区域,并使全局收敛性能在搜索后期有所提高。实验及分析表明:ABS算法的优化精度明显优于粒子群优化算法、模式搜索算法、模拟退
2、火算法和遗传算法,为太阳能参数辨识提供了一种新的方法。关键词:人工蜂群算法;搜索路径;遗忘因子;邻域因子;太阳能电池;参数辨识中图分类号:TM615文献标识码:A文章编号:1000—8829(2015)07—0132—04ApplicationofArtificialBeeSwarmAlgorithminSolarCellParametersIdentificationJIANXian—zhong,WEIKai,GUOQiang(1.MinistryofEducationandShanghai,KeyLabofModemOpticalSystem,ElectricalEnginee
3、ringCollege,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China;2.NationalWeatherSatelliteCenter,Beijing100081,China)Abstract:Inordertosolvetheproblemoflowaccuracyoftheparametersidentificationofthesolarcell,anewartificialbeeswamialgorithm(ABS)basedonscoutsadjustingphasejoiningforg
4、ettingfactorandnei【ghbor-hoodfactorisproposed.ABSalgorithmintheearlystageofthesearchbyforgettingfactorandneighborhoodfactorcanmakescoutstoadjustpath,whichcanquicklyconvergetotheoptimalfoodsourceareaandcanim—provetheglobalconvergenceperformanceinlatesearch.,nleexperimentandanalysisshowthattheop
5、timizedprecisionofABSalgorithmissuperiortoparticleswarnloptimizationalgorithm,thepatternsearchalgorithm,simulatedannealingalgorithmandgeneticalgorithm.Soanewmethodisprovidedforparameteridentification.Keywords:artificialbeeswar/nalgorithm;searchpath;forgettingfactor;neighborhoodfactor;solarcell
6、;param—eteridentification在全球能源匮乏、环境污染问题严峻的今天,太阳太阳能性能参数测试的准确性是光伏发电系统正能由于资源丰富、安全可靠、无污染等诸多优势成为国确应用的基础,近年来,国内外许多学者采取智能算法内外备受关注的可再生清洁能源。光伏发电是太阳能对太阳能电池参数的辨识问题进行了研究。参数辨识的主要利用形式,太阳能电池是光伏发电系统的传感是根据试验数据和建立的模型来确定一组参数值,使器⋯,是收集阳光、转换电能的基本单位。在太阳能得由模型计算得到的数值能最好地拟合测试数据,从电池的研究、生产和应用中,需要对电池性能参数进行而可以为生产过程进行预测提供一定
7、的理论指导,如大量的测试工作,为太阳能电池板的优劣、电池制备工粒子群优化算法(CPSO)J、遗传算法(GA)t3]、模拟艺、提高光电转换性能以及后续的太阳能最大功率跟退火算法(SA)[43和模式搜索算法J。研究发现:在太踪(MPPT)等技术应用和设计提供依据。阳能参数辨识方面,粒子群优化算法(cPso)具有实现容易和参数调整少的的优点和局部最优解过早收敛的收稿日期:2014—05—04缺点;遗传算法(GA)具有能迅速找到最优解所在的区基金项目:国家自然科学基金资助项目
此文档下载收益归作者所有