基于强化学习知识获取共享算法的太阳电池模型参数辨识

作     者：熊国江 辜再宇 Xiong Guojiang;Gu Zaiyu

作者机构：贵州大学电气工程学院贵阳550025 贵州大学勘察设计研究院有限责任公司贵阳550025 国网四川省电力公司眉山供电公司眉山620020 

基　　金：国家自然科学基金(52167007) 贵州大学勘察设计研究院有限责任公司创新基金项目(贵大勘察03号) 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第45卷第9期

页      码：334-344页

摘      要：为准确辨识太阳电池模型参数,提出一种基于强化学习的知识获取共享算法(RLGSK)。针对知识获取共享算法(GSK)初级阶段和高级阶段的选择机制过于死板,处理太阳电池模型参数辨识问题时难以充分平衡全局与局部搜索,存在收敛慢、精度低等问题,一方面,通过强化学习调整迭代时初级和高级阶段的个体比例,实现不同情景下知识获取与共享的灵活调整;另一方面,依靠性能导向的种群规模缩减实现计算资源的高效利用,提高算法性能。将RLGSK应用于5种案例,并与其他算法进行比较。结果表明,与GSK相比,RLGSK的搜索精度、稳定度和收敛速度提升极大,与其他算法相比也有很强的竞争力。

主 题 词：参数辨识 太阳电池 光伏组件 强化学习 知识获取共享算法 

学科分类：08[工学] 080502[080502] 0805[工学-能源动力学] 

核心收录：

D　O　I：10.19912/j.0254-0096.tynxb.2023-0758

馆 藏 号：203144173...