混合年轻的双裂纹实验和差异演变用于增强的光伏参数估计
Basma S Alqadi1, Hassan Al-Sukhni2, Diaa Salama AbdElminaam3,4
1Computer Science Department, College of Computer and Information Sciences, Imam Mohammad Ibn Saud Islamic University, Riyadh, Saudi Arabia.
Scientific reports
|October 21, 2025
概括
一种新的Young's双实验-差异进化 (YDSE-DE) 方法提高了光伏 (PV) 模型的准确性. 这种混合方法增强了太阳能系统模拟的性能,优于其他优化技术.
科学领域:
- 可再生能源技术可再生能源技术
- 计算智能是一种计算智能.
- 光学是什么?光学是什么?光学是什么?
背景情况:
- 精确的光伏 (PV) 系统建模对于高效的太阳能集成至关重要.
- 现有的参数估计方法可能缺乏复杂的光伏模型所需的精度.
- 混合优化技术为科学建模中的性能提升提供了潜力.
研究的目的:
- 介绍和评估一种新的混合优化方法,即的双实验-差异进化 (YDSE-DE) 技术.
- 为了提高单元,双元和三元二极管光伏模型中的参数估计的精度.
- 为了证明YDSE-DE算法的优越性超过现有的优化方法在PV建模.
主要方法:
- 整合了的双实验 (YDSE) 原则与差异进化 (DE) 算法.
- 对YDSE-DE算法的比较评估与狮优化器 (ALO) 和Sooty Tern优化算法 (STOA).
- 在单二极管,双二极管和三二极管光伏模型中进行严格的测试和验证.
主要成果:
- 与ALO和STOA相比,YDSE-DE算法实现了更高的准确性和计算效率.
- 在所有测试的光伏模型中,观察到根平均平方误差 (RMSE) 的显著改善.
- 具体的RMSE值为:0.0059117 (单二极管),0.0015218 (双二极管),以及0.0018409 (三二极管). 这些值均为0.0059117 (单二极管),0.0015218 (双二极管) 和0.0018409 (三二极管).
结论:
- YDSE-DE算法在光伏参数估计方面取得了重大进展.
- 这种混合方法提高了太阳能系统模拟和设计的精度和有效性.
- 该方法为优化需要可靠模拟的其他复杂系统提供了潜力.


