近日，计算智能实验室硕士生乔康加的论文“Evolutionary multi-task optimization 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：随着对太阳能的需求急剧增加，光伏系统的优化和控制变得越来越重要，因此始终需要准确，可靠地识别光伏模型的参数。虽然众多的启发式算法被提出来去提取不同光伏模型的参数，但是他们在一次运行中只能抽取一个模型的参数。这与人类同时解决多个任务的能力不一致，并且忽略了不同模型之间存在的有用信息。为此，我们提出了一种进化多任务优化算法来同时提取多个不同光伏模型的参数。具体而言，不同模型上存在的有用信息通过跨任务杂交的方式进行迁移，从而提升解的质量和算法的收敛速度。通过同时辨识三个不同模型的参数（即单二极管，双二极管和光伏模块模型），对所提出的算法进行评估。综合结果表明，与其他最新算法相比，该算法在解的精确性和鲁棒性方面具有更好的性能。