典型文献
基于分组教与学优化算法的光伏电池模型参数辨识
文献摘要：
为了提高光伏发电系统建模过程中光伏电池的参数辨识精度,在基本的教与学优化算法(teaching-learning-based optimization,TLBO)的基础上,针对其存在易于出现精度不高且陷入局部最优等问题,提出了一种基于分组的教与学优化算法(grouping teaching-learning-based optimization,GTLBO).GTLBO算法在教学阶段采用了分组教学的方式,并对教学因子进行了改进,将GTLBO算法应用于单二极管模型、双二极管模型和3个光伏组件模型的参数提取.实验结果表明,与其他优化算法相比,GTLBO算法在光伏模型参数提取方面更加准确可靠.其次,相对于基础的TLBO算法,GTLBO算法的收敛速度和辨识精度都得到了提高,具有一定的可行性和实用性.
文献关键词：
教与学优化 (TLBO)算法;光伏电池模型;参数辨识;分组教学;仿真分析
中图分类号：
作者姓名：
杨莎;张耀;徐胜;廖子文;李俊贤
作者机构：
贵州大学电气工程学院,贵州省 贵阳市 550025;贵州电网有限责任公司电力调度控制中心,贵州省 贵阳市 550002
文献出处：
引用格式：
[1]杨莎;张耀;徐胜;廖子文;李俊贤-.基于分组教与学优化算法的光伏电池模型参数辨识)[J].分布式能源,2022(03):52-61
A类：
光伏发电系统建模,GTLBO
B类：
教与学优化算法,光伏电池模型,模型参数辨识,辨识精度,teaching,learning,optimization,局部最优,优等,grouping,教学阶段,分组教学,算法应用,单二极管,双二极管模型,光伏组件,光伏模型,模型参数提取,收敛速度
AB值：
0.238436
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
