近日，计算智能实验室硕士生葛士磊的论文“Classified perturbation mutation based particle swarm optimization algorithm for parameters extraction of photovoltaic models”在中科院一区Top期刊《Energy Conversion and Management》（IF=7.181）上正式发表。
文章简介：随着太阳能需求的增加，准确、可靠、高效的光伏模型参数提取变得越来越重要。因此，该问题一直需要一种更精确、更鲁棒的算法。为此，论文提出了一种基于分类扰动变异的粒子群优化算法。在算法运行的每一代中，每一个更新后的个体最佳位置的性能都被评估和量化为高质量或低质量。然后，针对高质量的个体最优位置，提出了一种扰动较小的变异策略，以提高在有希望的搜索区域内的局部搜索能力。对于低质量的个体最优位置，设计了一个更大的扰动变异策略来探索不同的区域以提高种群多样性。此外，应用了阻尼边界处理策略，以解决陷入局部最优的问题。通过提取五种不同光伏模型的参数，对算法的有效性进行了评估，并在不同条件下对光伏模型进行了测试。实验结果验证了该算法在精确性、稳定性、快速性等方面优于其他先进的参数提取方法。