基于综合策略的改进鹈鹕优化算法在光伏参数识别中的应用

本文提出了一种基于综合策略的改进鹈鹕优化算法（IPOA），用于光伏模型的参数识别。首先，利用三次混沌映射和折射反向学习策略初始化鹈鹕群体并增强其多样性。其次，在全局检测阶段，鹈鹕优化算法的位置更新公式被替换为红尾鹰优化算法在翱翔阶段的位置更新公式，以获取鹈鹕优化算法在解空间搜索中的充分性。进一步引入吸引变异策略旨在提高算法的全局搜索能力。最后，当鹈鹕优化算法陷入局部最优时，通过镜像反向学习策略生成的镜头成像原理产生反向解可以提供新的搜索方向。用CEC2022测试函数分析并与八种元启发式算法进行比较。威尔科克森秩和检验验证了该算法的显著性。此外，利用IPOA优化光伏模型的关键参数，以解决单二极管和双二极管光伏模块模型的实际参数识别问题。实验结果表明，IPOA在收敛速度和求解精度上均优于其他经典群体智能算法。更重要的是，该优化方法在所有类型的太阳能电池中产生了最小的均方误差，证明了所提算法的优越性。