針對(duì)蝗蟲優(yōu)化算法容易陷入局部最優(yōu)、收斂精度不足等缺點(diǎn),提出一種改進(jìn)蝗蟲優(yōu)化算法。將混沌算法與蝗蟲優(yōu)化算法融合,對(duì)蝗蟲優(yōu)化算法進(jìn)行混沌初始化,改善初始種群質(zhì)量;再引入差分進(jìn)化算法的差分策略,通過變異、交叉和選擇過程,維持種群的多樣性,增大算法跳出局部最優(yōu)的可能性,從而使算法能搜索到更好的解;在個(gè)體更新部分引入了粒子群算法的思想,以當(dāng)前的最優(yōu)個(gè)體為目標(biāo)進(jìn)行個(gè)體位置更新,加快算法尋優(yōu)速度。將改進(jìn)蝗蟲優(yōu)化算法用于多晶硅太陽能電池模型參數(shù)的辨識(shí)中,并通過與其它智能優(yōu)化算法的比較,驗(yàn)證了改進(jìn)蝗蟲算法辨識(shí)太陽能電池參數(shù)的有效性和優(yōu)越性。通過實(shí)驗(yàn)驗(yàn)證了改進(jìn)蝗蟲優(yōu)化算法在不同光照下對(duì)太陽能電池參數(shù)的辨識(shí)效果。

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 光伏電池模型
3 蝗蟲優(yōu)化算法及其改進(jìn)
    3.1 蝗蟲優(yōu)化算法
    3.2 改進(jìn)蝗蟲優(yōu)化算法
        3.2.1 混沌初始化
        3.2.2 差分進(jìn)化策略
        3.2.3 直線尋優(yōu)
        3.2.4 算法步驟
4 光伏電池模型參數(shù)辨識(shí)
    4.1 不同算法的辨識(shí)實(shí)驗(yàn)比較
    4.2 不同光照條件下太陽能電池模型參數(shù)辨識(shí)
5 結(jié)論



本文編號(hào)：3782174