智能优化算法应用(九)—太阳能光伏模型参数辨识问题(以GWO算法与JAYA算法为例)

一、背景：

为了解决能源短缺和环境污染问题，可再生能源的利用越来越受到重视。太阳能作为最有前途的可再生能源之一，以其分布广、资源丰富、无污染而闻名。光伏系统是利用太阳能并将其直接转化为电能的强大工具，选择一个准确稳定的模型来描述光伏系统的性能和非线性特性是至关重要的。不同的光伏模型，如单二极管模型（SDM）和双二极管模型（DDM），在学术界和工业界都非常常见，目前已被广泛使用。然而，这些光伏模型需要估计一些未知参数，这些参数会显著影响模型的准确性。通常，光伏模型的参数估计被转化为一个复杂的非线性优化问题。

用于估计光伏模型参数的方法分为两类：分析方法和数值方法。就分析方法而言，尽管这些方法机制简单，易于实施，但由于最终结果的质量在很大程度上取决于选点的位置，因此精度不能满足实际需要。考虑到分析方法的弱点，更多的研究集中在数值方法上，它包括两种类型：确定性和随机性。牛顿方法、曲线拟合技术、表格算法和Lambert W函数方法等确定性方法由于依赖于初始值，很容易陷入局部最优。近年来，许多元启发式算法引起了人们的广泛关注，并被有效地应用于光伏模型的参数辨识问题。

由于焊接梁设计、三杆桁架设计、压力容器设计等工程设计问题目前已被大量的文献求解，最终结果仅取得了微小的改善。因此，采取更具挑战性的工程优化问题来证明算法的竞争力是必要的。

二、代码获取：

三、参考文献

单二极管模型(Single diode model, SDM)，双二极管模型(Double diode model, DDM)以及光伏组件模型(PV module model, PVMM)的有关模型介绍可参考如下文献：

1、Yu K, Liang J J, Qu B Y, et al. Parameters identification of photovoltaic models using an improved JAYA optimization algorithm[J]. Energy Conversion and Management(SCI一区), 2017, 150: 742-753.

2、李水佳,龚文引.基于自适应差分演化算法的光伏模型参数提取[J].郑州大学学报(工学版),2020,41(03):14-19.DOI:10.13705/j.issn.1671-6833.2020.02.020.

（Note: 参考文献一包含三种模型的全部描述，参考文献二仅包含单二极管模型与双二极管模型的描述）

四、算法效果

1、两种算法在单二极管模型(SDM)上10次独立运行的结果：

2、两种算法在双二极管模型(DDM)上10次独立运行的结果：

3、两种算法在光伏组件模型(PVMM)上10次独立运行的结果：

此外，命令行窗口会打印输出平均值、标准差、最佳值等统计结果，以及10次独立运行中最佳值对应的最优解，这即是光伏模型所需要估计的参数值。