近日，于坤杰博士在梁静教授的指导下完成的论文“Multiple learning backtracking search algorithm for estimating parameters of photovoltaic models”在中科院一区Top期刊Applied Energy（IF=7.182）上正式发表。
于坤杰博士的主要研究方向为：进化计算、多目标优化、机器学习、复杂工业过程建模与优化、能源优化等，已发表SCI/EI索引学术论文10余篇，其中ESI高被引论文一篇；发明专利一项。相关成果在《Energy Conversion and Management》、《Energy》、《Information Sciences》、《Knowledge-Based Systems》、《Computers & Chemical Engineering》、《Chemometrics and Intelligent Laboratory Systems》、《Journal of Intelligent Manufacturing》和《自动化学报》等国内外权威期刊上发表。参与多项科研项目，包括国家自然科学基金重点项目，企业委托项目等。
文章简介：
光伏电池模型参数的快速准确辨识对光伏阵列的输出功率预测、最大功率点跟踪以及电池故障模型的特性研究等方面具有重要的工程意义。快速、准确并稳定地辨识不同光伏电池模型的参数是一项具有挑战性的工作。论文提出了一种多重学习和精英局部寻优机制的回溯搜索优化算法。在提出的算法中，个体能够根据概率向历史种群和当前种群信息进行同步学习，以此在算法的探测和开发能力之间达到合适的平衡；此外，引入基于精英个体的混沌局部搜索策略用于改善当前种群质量。所提算法在单二极管、双二极管、光伏组件等模型参数辨识问题上进行了测试，实验结果和统计分析表明，所提算法在参数辨识的精度、稳定性和计算效率方面更具优势。
文章信息：Kunjie Yu, J.J. Liang*, B.Y. Qu, Zhiping Cheng, Heshan Wang. Multiple learning backtracking search algorithm for estimating parameters of photovoltaic models. Applied Energy, 2018, 226: 408-422.