2018年9月15日，郑州大学电气工程学院于坤杰副教授完成的论文“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。

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。

论文信息：

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