1。介绍太阳能发电是一种新兴的可再生能源技术,光伏系统是一种类型的发电系统,它使用太阳能电池半导体材料的光伏效应,将太阳光辐射能量转化为电能。此外,由于它的优点,如安全、可靠性、无污染,资源分配和无限性,光伏系统在许多领域得到了广泛的应用
1,
2]。因此,研究太阳能电池和光伏组件的特点,光伏系统的重要组成部分,是一个持续的关注的焦点。太阳能电池和光伏模块的属性通常是由电流电压曲线。然而,由于其强大的非线性特征,只是电流电压曲线变化不足以分析新电池的特性与温度,光强度,等等。因此,太阳能电池的建模和参数搜索和光伏系统是当前研究的热门话题之一。
一个合适的模型和一个适当的参数提取方法模拟至关重要,设计、评估、控制和优化光伏系统(
3]。目前用于描述细胞的模型包括SDM, DDM, TDM长效磺胺和DDM最常用的(
4]。提取参数的方法大致可以分为分析方法(
5- - - - - -
7),方法和兰伯特W函数(
8,
9),构造方法或使用特殊函数(
10,
11),与群体智能算法或方法。在这些方法中,群体智能算法近年来备受关注,而且,与传统方法相比,群体智能算法具有结构简单、参数少,效率高,如粒子群优化(PSO) (
12],差分进化(DE) [
13],裸鼢鼠算法(NMR) [
14),哈里斯鹰优化器(HHO) [
15(年代米一个)[],黏菌算法
16]。此外,大量的研究集中于使用这种方法或其变体的建模和参数提取的太阳能电池和光伏模块(
17- - - - - -
24]。
米e年代年代一个oud et al。
25]使用樽海鞘蜂群算法(SSA)参数估计的长效磺胺DDM和应用到三个不同的光伏参数识别问题。Abbassi et al。
26)提出了一种有效的方法通过使用SSA提取DDM参数的光伏电池和一个反对学习修改SSA (OLMSSA) [
27为光伏电池和模块的识别。Pourmousa et al。
28)被认为是一种改进的洛奇语基于映射的混沌优化算法(ILCOA)参数估计的太阳能电池。陈等人。
29日)研究了一种新的混合教学上优于人工蜂群(TLABC)获得太阳能光伏参数估计,结合一个teaching-learning-based优化算法(TLBO)与人工蜂群(ABC)。李等人。
30.]提出一种改进的teaching-learning-based优化(ITLBO)估计算法的参数SDM, DDM,三光伏模块。梁等。
31日)提出了一种进化多任务优化算法同时从几个不同的光伏模型提取参数。李等人。
32]给出了一个增强的自适应差分演化算法对于光伏参数提取,为长效磺胺表现良好,DDM,光伏模块。李、吴(
33]讨论了媒母自适应差分进化(使)光伏模型的参数估计算法。陈等人。
34)被认为是混合metaheuristic叫biogeography-based异构布谷鸟搜索算法(六氯)为了提高太阳能光伏模型的参数估计性能。Yousri et al。
35]提出了新颖的混乱异构全面学习算法变异,混乱的异构全面学习算法结合十个不同的混沌图调整模型参数,并应用这种新方法对光伏模型的参数提取。梁等。
36)研究了基于分类扰动变异的粒子群优化算法从五个不同的光伏模型参数的提取。林(
37)提出了一种基于小生境粒子群优化的优化算法在并行计算(NPSOPC)来确定光伏模型的参数。剑et al。
38)提出了一个逻辑混乱JAYA算法(LCJAYA)光伏电池和模块的参数识别。张(
39)发现了一个回溯搜索算法与利维飞行(LGBSA)在三个不同的光伏模型估计参数。Zhang et al。
40)建议正交moth-fighting优化算法(MFO)和本地搜索(NMSOLMFO)来识别参数的光伏电池模型。
传统的群体智能算法如算法和美国广播公司已经在这一领域表现良好。然而,光伏系统参数评价的问题是一个多通道的问题;因此,没有办法获得全局最优解的一些基本算法的早熟。根据的原则,没有免费的午餐,它仍然需要开发一个高效的准确提取模型参数优化。随后,WOA是由于它的结构简单,几个参数,强大的搜索能力,并容易实现;它已经成功地应用在各个领域,如无功调度(
41),神经网络(
42,图像分割
43和特征选择
44),和风速预测
45]。除此之外,许多学者也致力于改善其现有缺点开发更有效的优化;例如,Salgotra et al。
46)反对学习,利用指数参数,减少和消除或仅最差粒子增强基本WOA。陈等人。
47]介绍了随机置换和双自适应权重来加速收敛和提高探索性收敛方向。WOA的三个新版本被设计通过使用非线性收敛因子和引入混沌初始化阶段的概念以及在内部权重的计算
48]。凌et al。
49)利用利维飞行轨迹提高底层WOA的劣势是不成熟的,容易陷入局部最优。周et al。
50]WO一个提高了教学上优于算法和单纯形法和应用训练多层感知器神经网络。妞妞et al。
51)开发了一个优化器通过动态结合的传统WOA Levenberg-Marquardt (LM)算法和应用定位星传感器。罗等。
52]利用排名变异操作来修改WOA识别中无限脉冲系统。此外,WOA和它的变体也用于太阳能电池和光伏模块的识别参数。长等。
53]介绍了物流模型和一种新的refractive-learning策略基于光的折射原理WOA和提出了一种新的方法(RLWOA)在光伏模型中参数估计。熊等。
54)开发两个猎物搜索机制来平衡开发,探索,证明该方法可以有效地避免早熟现象从不同的光伏模型参数的准确提取。Elazab et al。
55小说进行了研究鲸鱼的参数估计优化算法SDM, DDM, TDM PV模块。奥利瓦等。
56)建议混乱的鲸鱼优化算法(CWOA)估算参数的太阳能电池。虽然许多研究WOA已经研究了太阳能电池和光伏组件的参数估计,仍有改进的空间这个问题WOA的精度和收敛速度。因此,相信发展一种改进的优化器基于WOA是必要的。
像其他群体智能优化算法,在基本WOA,个人在人群中不断接近食物来源随着迭代的进行,造成人口的多样性逐渐丧失。然而,问题评估参数的光伏系统是一个非线性、多通道的问题,所以它是非常容易导致局部最优人口多样性的损失当使用WOA来解决这个问题。此外,由于WOA依赖于随机收敛因子转换从勘探到剥削,还患有弱局部搜索能力。因此,在本文中,变异策略使用征收飞行和本地搜索机制(模式搜索)介绍了改善WOA的性能。这个修改的鲸鱼被称为MWOA优化算法。具体来说,随着迭代的进行,个人在人口不断方法当前最优解为了找到食物的来源,这使得搜索空间解决方案逐渐专注于当前的最优解。然而,光伏模型参数评价问题是一个多通道的问题。换句话说,目前的解决方案可能不是全局最优,和人口的个人可能会错过更好的解决方案保持接近它时,这通常是说陷入局部最优。然而,利维飞行的随机步骤主要由小进步,偶尔的大的或长跳跃,它允许征收飞行生成解决方案的一小部分远离当前的最优解,这样MWOA可以摆脱局部最优,避免停滞。
莱维的随机步长飞行主要由小步长,偶尔会有大步骤长度或长跳,利维飞行可以生成一些解决方案远离当前的最优解(
57]。在某种程度上,这可以保证人口的质量在整个进化过程中,从而帮助MWOA摆脱局部最优,避免停滞。因此,可以认为利维飞行的引入可以防止算法失去整体的多样性,提高全局搜索能力。因为模式搜索机制通常搜索当前的最佳解决方案,它具有较高的稳定性和良好的收敛速度。模式搜索算法被认为是为了能够提高基本WOA的局部搜索能力,提高优化的准确性。附加的两种机制提高了优化WOA的能力寻找最好的解决方案和算法的探索和利用之间的平衡。此外,MWOA SDM,可以用来鉴别未知参数DDM,光伏模块。对于两个不同类型的光伏模块,MWOA可以确定它们的参数在不同温度和光线辐照度条件下,证明了其有效性和实用性。
本文的结构如下。部分
2提供长效磺胺的问题公式化,DDM,光伏模块模型。MWOA详细提出了部分
3。实验显示在部分
4。结论是在一节
5。
年代ec>
2。问题定义的太阳能电池和光伏系统的参数识别问题是确定模型中的参数通过测量电流和电压值。然而,等效模型来模拟非线性电流电压关系的太阳能电池和光伏模块主要包括长效磺胺和DDM,而长效磺胺是广泛采用的应用程序。
<年代ec id="sec2.1">
2.1。太阳能电池模型<年代ec id="sec2.1.1">
2.1.1。长效磺胺长效磺胺是简单,其结构如图
1。在图
1有几个主要的物理参数,包括光电流<我nl我ne-formula>
我米米l:mi>
ph值米米l:mtext>
,二极管电流<我nl我ne-formula>
我米米l:mi>
d米米l:mi>
,分流电阻<我nl我ne-formula>
我米米l:mi>
上海米米l:mtext>
,分流电阻<我nl我ne-formula>
R米米l:mi>
上海米米l:mtext>
,串联电阻<我nl我ne-formula>
R米米l:mi>
年代米米l:mi>
,输入电流<我nl我ne-formula>
我米米l:mi>
l米米l:mi>
。可以看到从图
1,我们可以很容易知道SDM,输出电流的计算表达式所示的以下方程:
(1)米米l:mtext>
我米米l:mi>
l米米l:mi>
=米米l:mo>
我米米l:mi>
ph值米米l:mtext>
−米米l:mo>
我米米l:mi>
d米米l:mi>
−米米l:mo>
我米米l:mi>
上海米米l:mtext>
。米米l:mo>
根据肖克利方程,二极管电流<我nl我ne-formula>
我米米l:mi>
d米米l:mi>
在方程(
1)可以表示为方程(
2),而<我nl我ne-formula>
我米米l:mi>
上海米米l:mtext>
可由方程(
3):
(2)米米l:mtext>
我米米l:mi>
d米米l:mi>
=米米l:mo>
我米米l:mi>
sd米米l:mtext>
⋅米米l:mo>
经验值米米l:mi>
V米米l:mi>
l米米l:mi>
+米米l:mo>
R米米l:mi>
年代米米l:mi>
⋅米米l:mo>
我米米l:mi>
l米米l:mi>
n米米l:mi>
⋅米米l:mo>
V米米l:mi>
t米米l:mi>
−米米l:mo>
1米米l:mn>
,米米l:mo>
(3)米米l:mtext>
我米米l:mi>
上海米米l:mtext>
=米米l:mo>
V米米l:mi>
l米米l:mi>
+米米l:mo>
R米米l:mi>
年代米米l:mi>
⋅米米l:mo>
我米米l:mi>
l米米l:mi>
R米米l:mi>
上海米米l:mtext>
,米米l:mo>
(4)米米l:mtext>
V米米l:mi>
t米米l:mi>
=米米l:mo>
k米米l:mi>
T米米l:mi>
问米米l:mi>
。米米l:mo>
在方程(
2),<我nl我ne-formula>
V米米l:mi>
l米米l:mi>
输出电压,<我nl我ne-formula>
我米米l:mi>
上海米米l:mtext>
代表二极管反向饱和电流,<我nl我ne-formula>
n米米l:mi>
意味着二极管理想因素。除此之外,<我nl我ne-formula>
V米米l:mi>
t米米l:mi>
可以写成方程(
4),<我nl我ne-formula>
k米米l:mi>
玻耳兹曼常量,<我nl我ne-formula>
1.3806503米米l:mn>
×米米l:mo>
10米米l:mn>
−米米l:mo>
23米米l:mn>
J米米l:mtext>
/米米l:mo>
K米米l:mtext>
,<我nl我ne-formula>
问米米l:mi>
代表电子电荷,<我nl我ne-formula>
T米米l:mi>
是细胞的绝对温度。因此,方程(
1)可以改写如下:
(5)米米l:mtext>
我米米l:mi>
l米米l:mi>
=米米l:mo>
我米米l:mi>
ph值米米l:mtext>
−米米l:mo>
我米米l:mi>
sd米米l:mtext>
⋅米米l:mo>
经验值米米l:mi>
V米米l:mi>
l米米l:mi>
+米米l:mo>
R米米l:mi>
年代米米l:mi>
⋅米米l:mo>
我米米l:mi>
l米米l:mi>
n米米l:mi>
⋅米米l:mo>
V米米l:mi>
t米米l:mi>
−米米l:mo>
1米米l:mn>
−米米l:mo>
V米米l:mi>
l米米l:mi>
+米米l:mo>
R米米l:mi>
年代米米l:mi>
⋅米米l:mo>
我米米l:mi>
l米米l:mi>
R米米l:mi>
上海米米l:mtext>
,米米l:mo>
有5个未知参数<我nl我ne-formula>
我米米l:mi>
ph值米米l:mtext>
,<我nl我ne-formula>
我米米l:mi>
上海米米l:mtext>
,<我nl我ne-formula>
R米米l:mi>
年代米米l:mi>
,<我nl我ne-formula>
R米米l:mi>
上海米米l:mtext>
,<我nl我ne-formula>
n米米l:mi>
。
年代ec>
2.1.2。DDM相对于SDM, DDM认为复合电流损失的影响,及其结构显示在图
2。顾名思义,DDM有两个二极管并联的电流源。DDM的输出电流是写数学
(6)米米l:mtext>
我米米l:mi>
l米米l:mi>
=米米l:mo>
我米米l:mi>
ph值米米l:mtext>
−米米l:mo>
我米米l:mi>
sd米米l:mtext>
1米米l:mn>
⋅米米l:mo>
经验值米米l:mi>
V米米l:mi>
l米米l:mi>
+米米l:mo>
我米米l:mi>
l米米l:mi>
⋅米米l:mo>
R米米l:mi>
年代米米l:mi>
n米米l:mi>
1米米l:mn>
⋅米米l:mo>
V米米l:mi>
t米米l:mi>
−米米l:mo>
1米米l:mn>
−米米l:mo>
我米米l:mi>
sd米米l:mtext>
2米米l:mn>
⋅米米l:mo>
经验值米米l:mi>
V米米l:mi>
l米米l:mi>
+米米l:mo>
我米米l:mi>
l米米l:mi>
⋅米米l:mo>
R米米l:mi>
年代米米l:mi>
n米米l:mi>
2米米l:mn>
⋅米米l:mo>
V米米l:mi>
t米米l:mi>
−米米l:mo>
1米米l:mn>
−米米l:mo>
V米米l:mi>
l米米l:mi>
+米米l:mo>
我米米l:mi>
l米米l:mi>
⋅米米l:mo>
R米米l:mi>
年代米米l:mi>
R米米l:mi>
上海米米l:mtext>
,米米l:mo>
在哪里<我nl我ne-formula>
我米米l:mi>
sd米米l:mtext>
1米米l:mn>
和<我nl我ne-formula>
我米米l:mi>
sd米米l:mtext>
2米米l:mn>
分别是扩散电流和饱和电流和<我nl我ne-formula>
n米米l:mi>
1米米l:mn>
和<我nl我ne-formula>
n米米l:mi>
2米米l:mn>
两个二极管的理想因素。从方程(
6),有七个未知参数,<我nl我ne-formula>
我米米l:mi>
ph值米米l:mtext>
,<我nl我ne-formula>
我米米l:mi>
sd米米l:mtext>
1米米l:mn>
,<我nl我ne-formula>
我米米l:mi>
sd米米l:mtext>
2米米l:mn>
,<我nl我ne-formula>
R米米l:mi>
年代米米l:mi>
,<我nl我ne-formula>
R米米l:mi>
上海米米l:mtext>
,<我nl我ne-formula>
n米米l:mi>
1米米l:mn>
,<我nl我ne-formula>
n米米l:mi>
2米米l:mn>
DDM。
2.2。光伏模块模型光伏模块包含多个太阳能电池串联和并联连接,如图
3。长效磺胺或DDM光伏模块可以用方程(
7)或(
8),分别。
(7)米米l:mtext>
我米米l:mi>
l米米l:mi>
=米米l:mo>
我米米l:mi>
ph值米米l:mtext>
N米米l:mi>
p米米l:mi>
−米米l:mo>
我米米l:mi>
sd米米l:mtext>
N米米l:mi>
p米米l:mi>
经验值米米l:mi>
V米米l:mi>
l米米l:mi>
+米米l:mo>
N米米l:mi>
年代米米l:mi>
R米米l:mi>
年代米米l:mi>
我米米l:mi>
l米米l:mi>
/米米l:mo>
N米米l:mi>
p米米l:mi>
n米米l:mi>
N米米l:mi>
年代米米l:mi>
V米米l:mi>
t米米l:mi>
−米米l:mo>
1米米l:mn>
−米米l:mo>
V米米l:mi>
l米米l:mi>
+米米l:mo>
N米米l:mi>
年代米米l:mi>
R米米l:mi>
年代米米l:mi>
我米米l:mi>
l米米l:mi>
/米米l:mo>
N米米l:mi>
p米米l:mi>
N米米l:mi>
年代米米l:mi>
R米米l:mi>
上海米米l:mtext>
/米米l:mo>
N米米l:mi>
p米米l:mi>
,米米l:mo>
(8)米米l:mtext>
我米米l:mi>
l米米l:mi>
=米米l:mo>
我米米l:mi>
ph值米米l:mtext>
N米米l:mi>
p米米l:mi>
−米米l:mo>
我米米l:mi>
sd米米l:mtext>
1米米l:mn>
N米米l:mi>
p米米l:mi>
经验值米米l:mi>
V米米l:mi>
l米米l:mi>
+米米l:mo>
N米米l:mi>
年代米米l:mi>
R米米l:mi>
年代米米l:mi>
我米米l:mi>
l米米l:mi>
/米米l:mo>
N米米l:mi>
p米米l:mi>
n米米l:mi>
1米米l:mn>
N米米l:mi>
年代米米l:mi>
V米米l:mi>
t米米l:mi>
−米米l:mo>
1米米l:mn>
−米米l:mo>
我米米l:mi>
sd米米l:mtext>
2米米l:mn>
N米米l:mi>
p米米l:mi>
经验值米米l:mi>
V米米l:mi>
l米米l:mi>
+米米l:mo>
N米米l:mi>
年代米米l:mi>
R米米l:mi>
年代米米l:mi>
我米米l:mi>
l米米l:mi>
/米米l:mo>
N米米l:mi>
p米米l:mi>
n米米l:mi>
2米米l:mn>
N米米l:mi>
年代米米l:mi>
V米米l:mi>
t米米l:mi>
−米米l:mo>
1米米l:mn>
−米米l:mo>
V米米l:mi>
l米米l:mi>
+米米l:mo>
N米米l:mi>
年代米米l:mi>
R米米l:mi>
年代米米l:mi>
我米米l:mi>
l米米l:mi>
/米米l:mo>
N米米l:mi>
p米米l:mi>
N米米l:mi>
年代米米l:mi>
R米米l:mi>
上海米米l:mtext>
/米米l:mo>
N米米l:mi>
p米米l:mi>
,米米l:mo>
在哪里<我nl我ne-formula>
N米米l:mi>
p米米l:mi>
和<我nl我ne-formula>
N米米l:mi>
年代米米l:mi>
的数量是太阳能电池的并联和串联光伏模块,分别。从上面两个公式,很明显,两个光伏模块模型的未知参数长效磺胺和DDM的相同。
2.3。目标函数数据收集的输出电压和输出电流实际上是在光伏电池和模块的参数识别问题。在识别过程中,所有需要做的是找到最优的一组未知参数的值之间的误差最小化当前的计算基于仿真模型和实际测量。因此,这两个之间的均方根误差当前值作为目标函数,如方程所示(
9),在这个问题(
58]。因此,问题研究可以相当于找到目标函数的最优值
(9)米米l:mtext>
RMSE米米l:mtext>
=米米l:mo>
∑米米l:mo>
我米米l:mi>
=米米l:mo>
1米米l:mn>
米米米l:mi>
我米米l:mi>
模拟米米l:mtext>
−米米l:mo>
我米米l:mi>
测量米米l:mtext>
2米米l:mn>
米米米l:mi>
,米米l:mo>
在哪里<我nl我ne-formula>
我米米l:mi>
模拟米米l:mtext>
是当前估计的模型,<我nl我ne-formula>
我米米l:mi>
序米米l:mtext>
是实际的测量电流,然后呢<我nl我ne-formula>
米米米l:mi>
当前的数量。此外,估计电流<我nl我ne-formula>
我米米l:mi>
模拟米米l:mtext>
对于每个模型可以根据获得的(
5)- (
8)。
年代ec>
3所示。WOA的背景<年代ec id="sec3.1">
3.1。基本WOAWO一个是智能优化算法通过模拟实现座头鲸的觅食行为。算法将座头鲸的行为分为三个部分:环绕猎物,bubble-net攻击,寻找猎物。
<年代ec id="sec3.1.1">
3.1.1。环绕的猎物在各种解决问题,没有先验已知最优解,所以假设当前的最优解是目标猎物或接近WOA的猎物。猎物的位置被定义之后,座头鲸人群中的个体将尝试更新他们的位置在猎物的方向
(10)米米l:mtext>
X米米l:mi>
t米米l:mi>
+米米l:mo>
1米米l:mn>
⟶米米l:mo>
=米米l:mo>
X米米l:mi>
猎物米米l:mtext>
t米米l:mi>
⟶米米l:mo>
−米米l:mo>
一个米米l:mi>
⟶米米l:mo>
⋅米米l:mo>
D米米l:mi>
⟶米米l:mo>
,米米l:mo>
在哪里<我nl我ne-formula>
t米米l:mi>
当前迭代的数量和吗<我nl我ne-formula>
X米米l:mi>
猎物米米l:mtext>
t米米l:mi>
⟶米米l:mo>
表示当前的向量猎物的位置。这两个<我nl我ne-formula>
一个米米l:mi>
⟶米米l:mo>
和<我nl我ne-formula>
D米米l:mi>
⟶米米l:mo>
是系数向量中给出以下方程:
(11)米米l:mtext>
一个米米l:mi>
⟶米米l:mo>
=米米l:mo>
2米米l:mn>
r米米l:mi>
⟶米米l:mo>
⋅米米l:mo>
一个米米l:mi>
⟶米米l:mo>
−米米l:mo>
一个米米l:mi>
⟶米米l:mo>
,米米l:mo>
(12)米米l:mtext>
D米米l:mi>
⟶米米l:mo>
=米米l:mo>
C米米l:mi>
⟶米米l:mo>
⋅米米l:mo>
X米米l:mi>
猎物米米l:mtext>
t米米l:mi>
⟶米米l:mo>
−米米l:mo>
X米米l:mi>
t米米l:mi>
⟶米米l:mo>
。米米l:mo>
在方程(
11),<我nl我ne-formula>
一个米米l:mi>
⟶米米l:mo>
是线性递减参数向量从2 0<我nl我ne-formula>
r米米l:mi>
⟶米米l:mo>
是随机向量[0,1]。在方程(
12),<我nl我ne-formula>
表示和绝对值<我nl我ne-formula>
C米米l:mi>
⟶米米l:mo>
是系数向量表示为
(13)米米l:mtext>
C米米l:mi>
⟶米米l:mo>
=米米l:mo>
2米米l:mn>
r米米l:mi>
⟶米米l:mo>
。米米l:mo>
3.1.2。Bubble-Net攻击座头鲸同时周围猎物沿着螺旋路径在一个狭窄的圆,这被称为bubble-net攻击。他们的行为模拟WOA的括弧收缩机制和螺旋模型。在优化过程中,种群中个体的选择概率是相同的两个方面。此外,编写具体的数学模型如下:
(14)米米l:mtext>
X米米l:mi>
t米米l:mi>
+米米l:mo>
1米米l:mn>
⟶米米l:mo>
=米米l:mo>
X米米l:mi>
猎物米米l:mtext>
t米米l:mi>
⟶米米l:mo>
−米米l:mo>
一个米米l:mi>
⟶米米l:mo>
⋅米米l:mo>
D米米l:mi>
⟶米米l:mo>
,米米l:mo>
p米米l:mi>
<米米l:mo>
0.5米米l:mn>
,米米l:mo>
D米米l:mi>
⟶米米l:mo>
⋅米米l:mo>
e米米l:mi>
b米米l:mi>
l米米l:mi>
⋅米米l:mo>
因为米米l:mi>
2米米l:mn>
π米米l:mi>
l米米l:mi>
+米米l:mo>
X米米l:mi>
猎物米米l:mtext>
t米米l:mi>
⟶米米l:mo>
,米米l:mo>
p米米l:mi>
≥米米l:mo>
0.5米米l:mn>
,米米l:mo>
的参数<我nl我ne-formula>
b米米l:mi>
是常数用于定义对数螺旋形状和<我nl我ne-formula>
l米米l:mi>
是时间间隔内的随机数(−1,1)<我nl我ne-formula>
p米米l:mi>
在[0,1]。
在方程(
14),鲸鱼选择收缩托架机制时更新它的位置<我nl我ne-formula>
p米米l:mi>
<米米l:mo>
0.5米米l:mn>
。在这种情况下,系数向量<我nl我ne-formula>
一个米米l:mi>
⟶米米l:mo>
随<我nl我ne-formula>
一个米米l:mi>
⟶米米l:mo>
,它的变化是固定的时间间隔内(−1,1)。通过选择收缩托架机制,定义新的个体的位置之间的任何原始的个人和猎物。当<我nl我ne-formula>
p米米l:mi>
≥米米l:mo>
0.5米米l:mn>
螺旋模型选择更新新个体的位置。在这种情况下,鲸鱼和猎物之间的距离是首先计算,和<我nl我ne-formula>
D米米l:mi>
⟶米米l:mo>
测量距离用方程表示(
15)。之后,创建一个螺旋方程鲸鱼的位置和猎物之间模拟螺旋运动的座头鲸。
(15)米米l:mtext>
D米米l:mi>
⟶米米l:mo>
=米米l:mo>
X米米l:mi>
猎物米米l:mtext>
t米米l:mi>
⟶米米l:mo>
−米米l:mo>
X米米l:mi>
t米米l:mi>
⟶米米l:mo>
。米米l:mo>
3.1.3。寻找猎物在寻找猎物的阶段,WOA更新的位置人口由以下方程:
(16)米米l:mtext>
X米米l:mi>
t米米l:mi>
+米米l:mo>
1米米l:mn>
⟶米米l:mo>
=米米l:mo>
X米米l:mi>
兰德米米l:mtext>
t米米l:mi>
⟶米米l:mo>
−米米l:mo>
一个米米l:mi>
⟶米米l:mo>
⋅米米l:mo>
D米米l:mi>
⟶米米l:mo>
,米米l:mo>
在哪里<我nl我ne-formula>
X米米l:mi>
兰德米米l:mtext>
t米米l:mi>
⟶米米l:mo>
是一个随机的位置向量个体在当前人口和<我nl我ne-formula>
D米米l:mi>
⟶米米l:mo>
计算如下:
(17)米米l:mtext>
D米米l:mi>
⟶米米l:mo>
=米米l:mo>
C米米l:mi>
⟶米米l:mo>
⋅米米l:mo>
X米米l:mi>
兰德米米l:mtext>
t米米l:mi>
⟶米米l:mo>
−米米l:mo>
X米米l:mi>
t米米l:mi>
⟶米米l:mo>
。米米l:mo>
在这个阶段,座头鲸是随机搜索基于彼此的位置。虽然算法探索最好的代理的变化<我nl我ne-formula>
一个米米l:mi>
⟶米米l:mo>
,它不同于托架收缩机制的模块<我nl我ne-formula>
一个米米l:mi>
⟶米米l:mo>
大于1,这意味着鲸鱼在搜索被迫远离猎物的位置。换句话说,在这个阶段WOA强调全局搜索。
年代ec>
3.2。从文学和这项工作背后的动机推断WO一个有很强的全局搜索能力,因为它有效的位置更新方法。因此,其变异被应用在许多领域,如参数评价(
59),特征选择(
60,
61年),在云计算资源调度
62年),和聚类
63年]。WOA的广泛应用在各领域的直接表明该算法是一个可展开的工具在实际应用
64年- - - - - -
67年]。
虽然传统WOA有强劲的全球搜索功能,它还具有弱本地搜索功能由于其依赖随机收敛因素将勘探开发。因此,它是一个重要的任务,帮助基本WOA改善其局部搜索能力。因为它的地方自由导数优化、模式搜索已经广泛用于解决许多优化问题超出了标准的优化技术的范围。此外,在这个工作中,模式搜索已经成为一个有用的工具来改善WOA的本地搜索功能。通常情况下,在传统的群体智能算法中,勘探和开发之间的不平衡也是一个重要因素影响算法的性能。然而,Levy飞行是一个非高斯分布随机游走模型,有一个不确定的步长。方法也是高度随机和轨迹非常类似于自然的生物活性,它可以帮助群体智能算法来调整勘探开发之间的平衡。因此,机制被认为是在这个研究。此外,一些改善woa已经设计并应用到光伏模型参数评价的问题。然而,根据法律,没有免费的午餐,它仍然需要发展更多的优化,使问题更好的解决。
年代ec>
4所示。该算法在本节中,将详细介绍了几种机制,概述了该算法的框架。
<年代ec id="sec4.1">
4.1。该算法的基本预赛<年代ec id="sec4.1.1">
以下4.4.1。利维飞行随机化在勘探开发中发挥作用以及多样化和强化。此外,随机化的本质是一个随机散步,这是一个随机过程,包括执行一系列连续的随机步骤。利维飞行是一个随机过程。此外,利维飞行被雇佣为一种优化技术来提高性能的多个metaheuristic算法(
68年- - - - - -
71年]。注意,利维飞行是一个随机行走中定义的莱维分布服从以下方程:
(18)米米l:mtext>
莱维米米l:mtext>
年代米米l:mi>
∼米米l:mo>
年代米米l:mi>
−米米l:mo>
1米米l:mn>
−米米l:mo>
β米米l:mi>
,米米l:mo>
β米米l:mi>
∈米米l:mo>
0,2米米l:mn>
,米米l:mo>
在哪里<我nl我ne-formula>
β米米l:mi>
决定征收的形状是一个指数函数分布和<我nl我ne-formula>
年代米米l:mi>
是一个随机的步骤,可以用以下形式:
(19)米米l:mtext>
年代米米l:mi>
=米米l:mo>
μ米米l:mi>
ν米米l:mi>
1米米l:mn>
/米米l:mo>
β米米l:mi>
,米米l:mo>
与<我nl我ne-formula>
μ米米l:mi>
和<我nl我ne-formula>
ν米米l:mi>
在参数服从正态分布,即<我nl我ne-formula>
μ米米l:mi>
∼米米l:mo>
N米米l:mi>
0米米l:mn>
,米米l:mo>
σ米米l:mi>
μ米米l:mi>
2米米l:mn>
和<我nl我ne-formula>
ν米米l:mi>
∼米米l:mo>
N米米l:mi>
0米米l:mn>
,米米l:mo>
σ米米l:mi>
ν米米l:mi>
2米米l:mn>
。的表达式<我nl我ne-formula>
σ米米l:mi>
μ米米l:mi>
和<我nl我ne-formula>
σ米米l:mi>
ν米米l:mi>
给出如下:
(20)米米l:mtext>
σ米米l:mi>
μ米米l:mi>
=米米l:mo>
Γ米米l:mi>
1米米l:mn>
+米米l:mo>
β米米l:mi>
⋅米米l:mo>
罪米米l:mi>
π米米l:mi>
β米米l:mi>
/米米l:mo>
2米米l:mn>
Γ米米l:mi>
1米米l:mn>
+米米l:mo>
β米米l:mi>
/米米l:mo>
2米米l:mn>
⋅米米l:mo>
β米米l:mi>
⋅米米l:mo>
2米米l:mn>
β米米l:mi>
−米米l:mo>
1米米l:mn>
/米米l:mo>
2米米l:mn>
1米米l:mn>
/米米l:mo>
β米米l:mi>
,米米l:mo>
(21)米米l:mtext>
σ米米l:mi>
ν米米l:mi>
=米米l:mo>
1米米l:mn>
,米米l:mo>
在哪里<我nl我ne-formula>
Γ米米l:mi>
代表γ函数。
年代ec>
4.1.2。模式搜索全世界都知道模式搜索当地的导数是免费的优化方法是理想的解决许多优化问题超出标准范围的优化技术。
模式搜索的初始过程开始围绕一个点集称为点。然后,网格是由最近的点添加到一组常数倍的向量称为模式。除此之外,一个点的更好的健身选择分网格作为下一次迭代的初始点。模式搜索的具体步骤如下:
步骤1:确定初始点<我nl我ne-formula>
x米米l:mi>
0米米l:mn>
并计算其健身<我nl我ne-formula>
f米米l:mi>
x米米l:mi>
0米米l:mn>
。
步骤2:计算其他点<我nl我ne-formula>
x米米l:mi>
我米米l:mi>
在初始点<我nl我ne-formula>
x米米l:mi>
0米米l:mn>
根据方程(
22计算他们的目标),而健康<我nl我ne-formula>
f米米l:mi>
x米米l:mi>
我米米l:mi>
。如果有一个比<我nl我ne-formula>
x米米l:mi>
0米米l:mn>
执行步骤3;否则,执行步骤4。
(22)米米l:mtext>
x米米l:mi>
我米米l:mi>
=米米l:mo>
x米米l:mi>
0米米l:mn>
+米米l:mo>
v米米l:mi>
j米米l:mi>
⋅米米l:mo>
l米米l:mi>
,米米l:mo>
在哪里<我nl我ne-formula>
v米米l:mi>
j米米l:mi>
表示的模式向量<我nl我ne-formula>
j米米l:mi>
∈米米l:mo>
1、2米米l:mn>
,米米l:mo>
…米米l:mo>
,米米l:mo>
2米米l:mn>
d米米l:mi>
,<我nl我ne-formula>
d米米l:mi>
要解决的问题的维数,和<我nl我ne-formula>
l米米l:mi>
表示搜索步骤。
步骤3:更新<我nl我ne-formula>
l米米l:mi>
基于方程(
23),<我nl我ne-formula>
δ米米l:mi>
>米米l:mo>
1米米l:mn>
并用于扩大搜索空间。然后执行步骤5。
(23)米米l:mtext>
l米米l:mi>
=米米l:mo>
δ米米l:mi>
l米米l:mi>
。米米l:mo>
步骤4:更新<我nl我ne-formula>
l米米l:mi>
根据方程(
24),<我nl我ne-formula>
λ米米l:mi>
<米米l:mo>
1米米l:mn>
并用于缩小搜索空间。然后执行步骤5。
(24)米米l:mtext>
l米米l:mi>
=米米l:mo>
λ米米l:mi>
l米米l:mi>
。米米l:mo>
第五步:如果不满足终止条件,继续步骤1;否则,停止迭代和输出最优点。
4.2。MWOA框架我们建议修改的鲸鱼优化算法(MWOA)。MWOA的伪代码如下所示的算法
1,图
4显示它的流程图。在MWOA,利维飞行最初用来提高算法的性能避免过早陷入局部最优。总之,MWOA首先执行原鲸的基本策略优化算法来更新人口。然后,莱维飞行操作如下。根据方程(
25),个人<我nl我ne-formula>
V米米l:mi>
我米米l:mi>
经历了利维变异及其获得健康<我nl我ne-formula>
f米米l:mi>
V米米l:mi>
我米米l:mi>
同时计算。如果<我nl我ne-formula>
f米米l:mi>
V米米l:mi>
我米米l:mi>
比<我nl我ne-formula>
f米米l:mi>
X米米l:mi>
我米米l:mi>
,然后<我nl我ne-formula>
V米米l:mi>
我米米l:mi>
将代替<我nl我ne-formula>
X米米l:mi>
我米米l:mi>
。在方程(
25),<我nl我ne-formula>
领袖米米l:mtext>
_米米l:mo>
pos米米l:mtext>
当前最优解和手段<我nl我ne-formula>
α米米l:mi>
是常系数值为0.75和<我nl我ne-formula>
β米米l:mi>
=米米l:mo>
1。5米米l:mn>
。
(25)米米l:mtext>
V米米l:mi>
我米米l:mi>
=米米l:mo>
X米米l:mi>
我米米l:mi>
+米米l:mo>
α米米l:mi>
⋅米米l:mo>
莱维米米l:mtext>
β米米l:mi>
⊕米米l:mo>
X米米l:mi>
我米米l:mi>
−米米l:mo>
领袖米米l:mtext>
_米米l:mo>
pos米米l:mtext>
。米米l:mo>
<大胆>算法1:< /大胆> MWOA。
初始化鲸鱼的人口<我t一个l我c>
X我t一个l我c>;
计算每个搜索代理的健身;
Leader_pos我t一个l我c>=最好的搜索代理;
而(<我t一个l我c>
t我t一个l我c><最大迭代次数)
为每个搜索代理
更新<我t一个l我c>
一个我t一个l我c>,<我t一个l我c>
一个我t一个l我c>,<我t一个l我c>
C我t一个l我c>,<我t一个l我c>
l我t一个l我c>和<我nl我ne-formula>
p米米l:mi>
;
如果(<我nl我ne-formula>
p米米l:mi>
<米米l:mo>
0.5米米l:mn>
)
如果(|<我t一个l我c>
一个我t一个l我c>| < 1)
更新当前的搜索代理的位置由方程(
10);
其他的如果(|<我t一个l我c>
一个我t一个l我c>|≥1)
更新当前代理的位置由方程(
16);
如果
其他的如果(<我nl我ne-formula>
p米米l:mi>
≥米米l:mo>
0米米l:mn>
。米米l:mo>
5米米l:mn>
)
更新当前的搜索代理的位置由方程(
14);
如果
为每个代理进行征收飞行使用方程(
25);
结束了
利用模式搜索最好的代理<我t一个l我c>
Leader_pos我t一个l我c>;
检查任何搜索代理超出了搜索空间和修改;
计算每个搜索代理的健身;
更新<我t一个l我c>
Leader_pos我t一个l我c>如果有一个更好的解决方案;
t我t一个l我c>=<我t一个l我c>
t我t一个l我c>+ 1;
结束时
返回
Leader_pos我t一个l我c>;
在整个人口进行征收飞行之后,在当前人口选择最优解作为初始搜索的模式。一个新的解决方案,<我nl我ne-formula>
X米米l:mi>
ps米米l:mtext>
发现通过模式搜索。然后,与当前最优解相比,更好的一种选择。对模式搜索、功能patternsearch()在MATLAB是直接使用。迭代终止条件的模式搜索,它被设置为0.1倍的最大数量MWOA迭代,和其余的参数默认值。
年代ec>
4.3。时间复杂度分析时间复杂度的分析该方法之前,首先分为以下步骤:
步骤1:初始化参数:初始化代计数器<我t一个l我c>
t我t一个l我c>,最大的迭代的数量<我t一个l我c>
T我t一个l我c>,人口规模<我t一个l我c>
N我t一个l我c>空间的维数<我t一个l我c>
d我t一个l我c>和搜索区域的边界<我t一个l我c>
磅我t一个l我c>,<我t一个l我c>
乌兰巴托我t一个l我c>]。
步骤2:初始化随机鲸鱼数量
步骤3:计算鲸鱼和选择最佳的健身代理
步骤4:鲸鱼更新:更新的鲸鱼人口根据方程(
10)- (
17)。
第五步:征收飞行:变体<我t一个l我c>
V我t一个l我c>通过执行基于方程(Levy飞行
25),然后更新人口的健康<我t一个l我c>
V我t一个l我c>比原来的好。带来新的鲸鱼回来如果有人在边界之外。
第六步:模式搜索:选择当前最优<我t一个l我c>
Leader_pos我t一个l我c>执行模式搜索机制生成候选位置上,再越过边境。然后,更新<我t一个l我c>
Leader_pos我t一个l我c>如果候选人的健身之前获得优越的<我t一个l我c>
Leader_pos。我t一个l我c>
第七步:停止或继续迭代过程:重复步骤3到步骤8,直到退出条件满足,然后返回<我t一个l我c>
Leader_pos。我t一个l我c>
接下来,我们进行时间复杂度分析。的主要时间复杂度MWOA主要依赖于步骤3 - 7。因此,整体的时间复杂度MWOA (<我t一个l我c>
O我t一个l我c>(MWOA) =<我t一个l我c>
O我t一个l我c>初始化(人口)+<我t一个l我c>
G我t一个l我c>
∗米米l:mi>
(<我t一个l我c>
O我t一个l我c>(健身评价)+<我t一个l我c>
O我t一个l我c>)+(鲸鱼更新)<我t一个l我c>
O我t一个l我c>(Levy飞行策略)+<我t一个l我c>
O我t一个l我c>(模式搜索机制))。考虑到人口<我t一个l我c>
n我t一个l我c>个人,初始化的时间复杂度<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
n我t一个l我c>
∗米米l:mi>
d我t一个l我c>),并计算鲸鱼的健身人口<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
G我t一个l我c>
∗米米l:mi>
(<我t一个l我c>
nd我t一个l我c>))。此外,更新鲸鱼的位置<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
G我t一个l我c>
∗米米l:mi>
(6<我t一个l我c>
nd我t一个l我c>+ 7<我t一个l我c>
n我t一个l我c>))。因此,原WOA的时间复杂度<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
n我t一个l我c>
∗米米l:mi>
d我t一个l我c>)+<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
G我t一个l我c>(<我t一个l我c>
n我t一个l我c>
∗米米l:mi>
d)) +<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
G我t一个l我c>
∗米米l:mi>
(6<我t一个l我c>
nd我t一个l我c>+ 7<我t一个l我c>
n我t一个l我c>))。此外,征收的时间复杂度飞行策略<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
G我t一个l我c>
∗米米l:mi>
(<我t一个l我c>
nd我t一个l我c>+<我t一个l我c>
nd我t一个l我c>+ 4<我t一个l我c>
n我t一个l我c>)),而模式搜索<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
G我t一个l我c>
∗米米l:mi>
(0.1<我nl我ne-formula>
∗米米l:mi>
G我t一个l我c>+ 6))。因此,MWOA约等于的时间复杂度<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
nd我t一个l我c>)+<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
G我t一个l我c>
∗米米l:mi>
(9<我t一个l我c>
nd我t一个l我c>+ 11<我t一个l我c>
n我t一个l我c>+ 0.1<我t一个l我c>
G我t一个l我c>+ 6))。注意,提出MWOA和古典WOA的复杂性<我t一个l我c>
O我t一个l我c>(<我t一个l我c>
nd我t一个l我c>基于大)<我t一个l我c>
O我t一个l我c>符号。
年代ec>
5。实验结果和分析验证的有效性MWOA,太阳能电池和光伏模块的参数识别进行了文献[提供的两个数据集
72年]。这两个数据集与RTC法国细胞和Photowatt-PWP 201 PV模块,并且被广泛用于验证新方法的性能(
3,
73年,
74年]。RTC法国的数据集包含26对电流和电压测量值在标准测试条件下(33°C, 1000 W / m<年代up>2年代up>光强度)而Photowatt-PWP 201 36多晶硅电池串联组成的包括25双的数据测量在标准测试条件下(45°C, 1000 W / m<年代up>2年代up>光强度)。
在本部分中,MWOA由MATLAB R2014a实现,是在30独立运行在每个模型进行的。每个实验终止迭代的最大数量(10000)。参数的范围确定为SDM, DDM,光伏模块报告在表
1。
表
2列表结果包括五个参数的值在长效磺胺和RMSE基于MWOA与其他算法比较,七是复形(
75年],l米年代一个[
76年],EHHO [
77年],一个BSO [
3],GOTlBO [
78年],lWO一个[
49],CWO一个[
79年]。此外,图
5证明了电流-电压特性(I-VC)和p - v特性(P-VC)基于MWOA SDM获得最好的。进一步揭示的质量结果,表
3列出了绝对误差(ia)和相对误差(REs)之间的模拟和实验数据,而图
6管理学院的显示和这些数据之间的重新定义给出了方程(
26)和(
27),分别。此外,IAE和再保险可以更直观地帮助读者观察实际测量数据之间的误差,通过仿真实验获得的数据在每一个测试点,从而进一步反映出该算法的性能。
(26)米米l:mtext>
管理学院米米l:mtext>
=米米l:mo>
我米米l:mi>
测量米米l:mtext>
−米米l:mo>
我米米l:mi>
模拟米米l:mtext>
,米米l:mo>
(27)米米l:mtext>
再保险米米l:mtext>
=米米l:mo>
我米米l:mi>
测量米米l:mtext>
−米米l:mo>
我米米l:mi>
模拟米米l:mtext>
我米米l:mi>
测量米米l:mtext>
。米米l:mo>
表3模拟数据和相关管理学院获得的MWAO长效磺胺。
| 项 |
测量数据 |
模拟当前数据 |
模拟电力数据 |
|
V米米l:mi>
V米米l:mi>
|
我米米l:mi>
一个米米l:mi>
|
我米米l:mi>
sim卡米米l:mtext>
一个米米l:mi>
|
管理学院米米l:mtext>
我米米l:mi>
一个米米l:mi>
|
P米米l:mi>
sim卡米米l:mtext>
W米米l:mi>
|
管理学院米米l:mtext>
P米米l:mi>
W米米l:mi>
|
| 1 | −0.2057 | 0.7640 | 0.764082567 | 8.25668<我t一个l我c>
E我t一个l我c>−05 | −0.15717178 | 1.69840<我t一个l我c>
E我t一个l我c>−05 |
| 2 | −0.1291 | 0.7620 | 0.762659230 | 0.000659230 | −0.09845930 | 8.51067<我t一个l我c>
E我t一个l我c>−05 |
| 3 | −0.0588 | 0.7605 | 0.761352627 | 0.000852627 | −0.04476753 | 5.01345<我t一个l我c>
E我t一个l我c>−05 |
| 4 | 0.0057 | 0.7605 | 0.760152391 | 0.000347609 | 0.004332869 | 1.98137<我t一个l我c>
E我t一个l我c>−06 |
| 5 | 0.0646 | 0.7600 | 0.759054593 | 0.000945407 | 0.049034927 | 6.10733<我t一个l我c>
E我t一个l我c>−05 |
| 6 | 0.1185 | 0.7590 | 0.758042625 | 0.000957375 | 0.089828051 | 0.000113449 |
| 7 | 0.1678 | 0.7570 | 0.757092741 | 9.27410<我t一个l我c>
E我t一个l我c>−05 | 0.127040162 | 1.55619<我t一个l我c>
E我t一个l我c>−05 |
| 8 | 0.2132 | 0.7570 | 0.756143167 | 0.000856833 | 0.161209723 | 0.000182677 |
| 9 | 0.2545 | 0.7555 | 0.755089260 | 0.000410740 | 0.192170217 | 0.000104533 |
| 10 | 0.2924 | 0.7540 | 0.753666678 | 0.000333322 | 0.220372137 | 9.74633<我t一个l我c>
E我t一个l我c>−05 |
| 11 | 0.3269 | 0.7505 | 0.751393925 | 0.000893925 | 0.245630674 | 0.000292224 |
| 12 | 0.3585 | 0.7465 | 0.747356624 | 0.000856624 | 0.267927350 | 0.000307100 |
| 13 | 0.3873 | 0.7385 | 0.740119380 | 0.001619380 | 0.286648236 | 0.000627186 |
| 14 | 0.4137 | 0.7280 | 0.727383310 | 0.000616690 | 0.300918475 | 0.000255125 |
| 15 | 0.4373 | 0.7065 | 0.706972335 | 0.000472335 | 0.309159002 | 0.000206552 |
| 16 | 0.4590 | 0.6755 | 0.675278304 | 0.000221696 | 0.309952741 | 0.000101759 |
| 17 | 0.4784 | 0.6320 | 0.630755139 | 0.001244861 | 0.301753258 | 0.000595542 |
| 18 | 0.4960 | 0.5730 | 0.571924465 | 0.001075535 | 0.283674535 | 0.000533465 |
| 19 | 0.5119 | 0.4990 | 0.499603044 | 0.000603044 | 0.255746798 | 0.000308698 |
| 20. | 0.5265 | 0.4130 | 0.413645441 | 0.000645441 | 0.217784324 | 0.000339824 |
| 21 | 0.5398 | 0.3165 | 0.317507878 | 0.001007878 | 0.171390753 | 0.000544053 |
| 22 | 0.5521 | 0.2120 | 0.212154111 | 0.000154111 | 0.117130285 | 8.50846<我t一个l我c>
E我t一个l我c>−05 |
| 23 | 0.5633 | 0.1035 | 0.102251839 | 0.001248161 | 0.057598461 | 0.000703089 |
| 24 | 0.5736 | −0.0100 | −0.00871617 | 0.001283834 | −0.00499959 | 0.000736407 |
| 25 | 0.5833 | −0.1230 | −0.12550541 | 0.002505411 | −0.07320731 | 0.001461406 |
| 26 | 0.5900 | −0.2100 | −0.20847066 | 0.001529341 | −0.12299877 | 0.000902311 |
| 管理学院的 | NA | NA | NA | 0.021516718 | NA | 0.008728789 |
图6(一)和再保险管理学院(b)之间长效磺胺的模拟数据和实验数据。
(一)
(b)
我们可以看到从表
3,年代D米,MWOA比其他竞争算法不仅性能更好,但也有更满意的优化精度比其他改进WOA方法。如图
6最好的长效磺胺,I-VC P-VC通过本文提出的方法与实验数据吻合较好,对所有测量的点。此外,ia的模拟电流小于8.25668<我t一个l我c>
E我t一个l我c>−05,间隔内的相应的REs (−1.9962<我t一个l我c>
e我t一个l我c>−02,2.1517<我t一个l我c>
e我t一个l我c>−02]。最重要的是,我们得出这样的结论:太阳能电池的实际行为可以准确地描述SDM由MOWA可尊敬的。
年代ec>
5.1.2中。DDM的结果RTCDDM的法国,获得的参数和RMSE值基于七个不同的算法包括MWOA报道在表
4:SA (
80年],海关[
81年),热交换器(
81年),本
81年,lWO一个CWOA,MWOA。此外,图
7描述的比较I-VC和P-VC估计DDM基于MWOA与实验数据。此外,IAE和模拟电流如图的再保险
8虽然提供了模拟数据表的特定的值
5。
表4基于七的DDM算法识别结果。
| 项 |
SA |
海关 |
热交换器 |
本 |
EHHO |
LWOA |
CWOA |
MWOA |
|
我米米l:mi>
ph值米米l:mtext>
(一) | 0.7623 | 0.76176 | 0.7606 | 0.7608 | 0.7603 | 0.7608 | 0.7598 | 0.7608 |
|
我米米l:mi>
sd米米l:mtext>
1米米l:mn>
(<我nl我ne-formula>
μ米米l:mi>
一个米米l:mtext>
) | 0.4767 | 0.1255 | 0.3701 | 0.9731 | 0.0602 | 0.1667 | 0.2415 | 2.6500 |
|
我米米l:mi>
sd米米l:mtext>
2米米l:mn>
(<我nl我ne-formula>
μ米米l:mi>
一个米米l:mtext>
) | 0.0100 | 0.2547 | 0.1350 | 0.1679 | 0.2273 | 0.0361 | 0.6000 | 3.1200 |
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
0.0345 | 0.03545 | 0.03562 | 0.0369 | 0.0349 | 55.2366 | 1.4565 | 0.0367 |
|
R米米l:mi>
上海米米l:mtext>
Ω米米l:mi>
|
43.1034 | 46.8270 | 62.7899 | 53.8368 | 79.1512 | 1.6086 | 1.9899 | 53.3477 |
|
n我t一个l我c>1年代乌兰巴托> | 1.5172 | 1.49439 | 1.49638 | 1.9213 | 1.95621 | 0.2323 | 0.0367 | 1.4638 |
|
n我t一个l我c>2年代乌兰巴托> | 2.0000 | 1.4999 | 1.9300 | 1.4281 | 1.5025 | 1.4658 | 55.2016 | 1.9796 |
| RMSE | 1.664<我t一个l我c>
E我t一个l我c>−02 | 1.26<我t一个l我c>
E我t一个l我c>−03 | 1.07<我t一个l我c>
E我t一个l我c>−03 | 9.8635<我t一个l我c>
E我t一个l我c>−04 | 1.312<我t一个l我c>
E我t一个l我c>−04 | 1.000<我t一个l我c>
E我t一个l我c>−03 | 1.789<我t一个l我c>
E我t一个l我c>−03 |
9.8694 e−
04 |
图7我-VC (a)和P-VC (b)最好的基于MWOA DDM获得。
(一)
(b)
图8(一)和再保险管理学院(b)之间的DDM的模拟数据和实验数据。
(一)
(b)
表5模拟数据和相关管理学院获得的MWAO长效磺胺。
| 项 |
测量数据 |
模拟当前数据 |
模拟电力数据 |
|
V米米l:mi>
V米米l:mi>
|
我米米l:mi>
一个米米l:mi>
|
我米米l:mi>
sim卡米米l:mtext>
一个米米l:mi>
|
管理学院米米l:mtext>
我米米l:mi>
一个米米l:mi>
|
P米米l:mi>
sim卡米米l:mtext>
W米米l:mi>
|
管理学院米米l:mtext>
P米米l:mi>
一个米米l:mi>
|
| 1 | −0.2057 | 0.7640 | 0.764128657 | 0.000128657 | −0.15718127 | 2.64647<我t一个l我c>
E我t一个l我c>−05 |
| 2 | −0.1291 | 0.7620 | 0.762694119 | 0.000694119 | −0.09846381 | 8.96107<我t一个l我c>
E我t一个l我c>−05 |
| 3 | −0.0588 | 0.7605 | 0.761377154 | 0.000877154 | −0.04476898 | 5.15766<我t一个l我c>
E我t一个l我c>−05 |
| 4 | 0.0057 | 0.7605 | 0.760167171 | 0.000332829 | 0.004332953 | 1.89713<我t一个l我c>
E我t一个l我c>−06 |
| 5 | 0.0646 | 0.7600 | 0.759059926 | 0.000940074 | 0.049035271 | 6.07288<我t一个l我c>
E我t一个l我c>−05 |
| 6 | 0.1185 | 0.7590 | 0.758038137 | 0.000961863 | 0.089827519 | 0.000113981 |
| 7 | 0.1678 | 0.7570 | 0.757077118 | 7.71183<我t一个l我c>
E我t一个l我c>−05 | 0.127037540 | 1.29405<我t一个l我c>
E我t一个l我c>−05 |
| 8 | 0.2132 | 0.7570 | 0.756113872 | 0.000886128 | 0.161203478 | 0.000188922 |
| 9 | 0.2545 | 0.7555 | 0.755043390 | 0.000456610 | 0.192158543 | 0.000116207 |
| 10 | 0.2924 | 0.7540 | 0.753602153 | 0.000397847 | 0.220353270 | 0.000116330 |
| 11 | 0.3269 | 0.7505 | 0.751312692 | 0.000812692 | 0.245604119 | 0.000265669 |
| 12 | 0.3585 | 0.7465 | 0.747267653 | 0.000767653 | 0.267895454 | 0.000275204 |
| 13 | 0.3873 | 0.7385 | 0.740041090 | 0.001541090 | 0.286617914 | 0.000596864 |
| 14 | 0.4137 | 0.7280 | 0.727341210 | 0.000658790 | 0.300901058 | 0.000272542 |
| 15 | 0.4373 | 0.7065 | 0.706990350 | 0.000490350 | 0.309166880 | 0.000214430 |
| 16 | 0.4590 | 0.6755 | 0.675367421 | 0.000132579 | 0.309993646 | 6.08538<我t一个l我c>
E我t一个l我c>−05 |
| 17 | 0.4784 | 0.6320 | 0.630900439 | 0.001099561 | 0.301822770 | 0.000526030 |
| 18 | 0.4960 | 0.5730 | 0.572089519 | 0.000910481 | 0.283756402 | 0.000451598 |
| 19 | 0.5119 | 0.4990 | 0.499742182 | 0.000742182 | 0.255818023 | 0.000379923 |
| 20. | 0.5265 | 0.4130 | 0.413712372 | 0.000712372 | 0.217819564 | 0.000375064 |
| 21 | 0.5398 | 0.3165 | 0.317482559 | 0.000982559 | 0.171377085 | 0.000530385 |
| 22 | 0.5521 | 0.2120 | 0.212040732 | 4.07323<我t一个l我c>
E我t一个l我c>−05 | 0.117067688 | 2.24883<我t一个l我c>
E我t一个l我c>−05 |
| 23 | 0.5633 | 0.1035 | 0.102089898 | 0.001410102 | 0.057507240 | 0.000794310 |
| 24 | 0.5736 | −0.0100 | −0.00883403 | 0.001165972 | −0.00506720 | 0.000668801 |
| 25 | 0.5833 | −0.1230 | −0.12552400 | 0.002523998 | −0.07321815 | 0.001472248 |
| 26 | 0.5900 | −0.2100 | −0.20830259 | 0.001697414 | −0.12289853 | 0.001001474 |
| 管理学院的 | NA | NA | NA | 0.021441 | NA | 0.008687 |
显然可以从上述数据和表MWOA仍然表现良好DDM虽然略差一些算法。从健身的角度,获得的RMSE MWOA比ABC和我,只排名第三的位置。然而,MWOA比其余的算法。I-VC和P-VC估计模型与实验数据吻合较好。此外,管理学院的所有模拟电流小于2.524<我t一个l我c>
E我t一个l我c>−02,所有在区间[−2.0108<我t一个l我c>
E我t一个l我c>−02,1.3199<我t一个l我c>
E我t一个l我c>−01]。这些结果表明,它可以识别未知参数的基于MWOA DDM精度高。
年代ec>
5.2。结果201年Photowatt-PWP模块我们需要确定五个参数在光伏模块模型,和基于八算法结果表
6:牛顿,复形,EHHO,卡罗,LWOA, CWOA MWOA,和方法(
82年]。表中我们可以看出,MWOA产生最小的RMSE (2.42508<我t一个l我c>
E我t一个l我c>−03)在所有的算法,而卡罗和LWOA分别,第二个和第三个最好的RMSE。此外,MOWA精度远高于其他的算法,表明改进方法是有效地提高WOA的性能参数识别的光伏模块。图
9显示了比较I-VC和P-VC之间最好的模型由MWOA和实验数据。从图
9我们可以看到这两个高。IAE和再保险的模拟电流也显示在图
10。同时,特定的数据包括电流、力量,和再保险管理学院及其相关表
7。从表中我们可以看到,所有的管理学院的模拟电流小于4.84<我t一个l我c>
E我t一个l我c>−03,而再保险都是在区间[−3.973<我t一个l我c>
E我t一个l我c>−02,5.0336<我t一个l我c>
E我t一个l我c>−02]。因此,MWOA令人满意的光伏模块模型的参数的歧视。
表6识别结果基于八光伏模块的模型算法。
| 项 |
牛顿(
72年] |
结合复 |
EHHO |
方法(
82年] |
卡罗(
83年] |
LWOA |
CWOA |
MWOA |
|
我米米l:mi>
ph值米米l:mtext>
(一) | 1.0318 | 1.0286 | 1.0302 | 1.0310 | 1.03185 | 1.0293 | 1.0272 | 1.030529 |
|
我米米l:mi>
sd米米l:mtext>
(<我nl我ne-formula>
μ米米l:mi>
一个米米l:mtext>
) | 3.2875 | 8.3010 | 3.6469 | 3.8236 | 3.28401 | 3.6916 | 4.2334 | 3.4744947 |
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
1.2057 | 1.0755 | 1.1964 | 1.0920 | 1.20556 | 1.1985 | 1.1879 | 1.201498 |
|
R米米l:mi>
上海米米l:mtext>
Ω米米l:mi>
|
555.5556 | 1850.100 | 833.333 | 689.660 | 841.321 | 11198.783 | 1923.9615 | 979.3934 |
|
n我t一个l我c> |
48.4500 | 52.2430 | 48.8202 | 48.9300 | 48.4036 | 48.8626 | 49.390 | 48.6343 |
| RMSE | 7.8050<我t一个l我c>
E我t一个l我c>−1 | 3.5000<我t一个l我c>
E我t一个l我c>−03 | 2.429<我t一个l我c>
E我t一个l我c>−03 | 1.02<我t一个l我c>
E我t一个l我c>−1 | 2.427<我t一个l我c>
E我t一个l我c>−03 | 2.4529<我t一个l我c>
E我t一个l我c>−03 | 2.5962<我t一个l我c>
E我t一个l我c>−03 |
2.42508 e−
03 |
图9我-VC (a)和P-VC (b)最好的光伏模块基于MWOA模型获得。
(一)
(b)
图10(一)和再保险管理学院(b)光伏模块模型的模拟数据和实验数据。
(一)
(b)
表7模拟数据通过MWAO管理学院和相关光伏模块模型。
| 项 |
测量数据 |
模拟当前数据 |
模拟电力数据 |
|
V米米l:mi>
V米米l:mi>
|
我米米l:mi>
一个米米l:mi>
|
我米米l:mi>
sim卡米米l:mtext>
一个米米l:mi>
|
管理学院米米l:mtext>
我米米l:mi>
一个米米l:mi>
|
P米米l:mi>
sim卡米米l:mtext>
W米米l:mi>
|
管理学院米米l:mtext>
P米米l:mi>
一个米米l:mi>
|
| 1 | 0.1248 | 1.0315 | 1.029129620 | 0.002370380 | 0.128435377 | 0.000295823 |
| 2 | 1.8093 | 1.0300 | 1.027387041 | 0.002612959 | 1.858851373 | 0.004727627 |
| 3 | 3.3511 | 1.0260 | 1.025743729 | 0.000256271 | 3.437369810 | 0.000858790 |
| 4 | 4.7622 | 1.0220 | 1.024105540 | 0.002105540 | 4.876995401 | 0.010027001 |
| 5 | 6.0538 | 1.0180 | 1.022287230 | 0.004287230 | 6.188722436 | 0.025954036 |
| 6 | 7.2364 | 1.0155 | 1.019923904 | 0.004423904 | 7.380577341 | 0.032013141 |
| 7 | 8.3189 | 1.0140 | 1.016355126 | 0.002355126 | 8.454956661 | 0.019592061 |
| 8 | 9.3097 | 1.0100 | 1.010488234 | 0.000488234 | 9.407342308 | 0.004545308 |
| 9 | 10.2163 | 1.0035 | 1.000622548 | 0.002877452 | 10.22266014 | 0.029396911 |
| 10 | 11.0449 | 0.9880 | 0.984544825 | 0.003455175 | 10.87419914 | 0.038162061 |
| 11 | 11.8018 | 0.9630 | 0.959521942 | 0.003478058 | 11.32408605 | 0.041047349 |
| 12 | 12.4929 | 0.9255 | 0.922843077 | 0.002656923 | 11.52898628 | 0.033192675 |
| 13 | 13.1231 | 0.8725 | 0.872607161 | 0.000107161 | 11.45131103 | 0.001406283 |
| 14 | 13.6983 | 0.8075 | 0.807283342 | 0.000216658 | 11.05840940 | 0.002967848 |
| 15 | 14.2221 | 0.7265 | 0.728345244 | 0.001845244 | 10.35859889 | 0.026243239 |
| 16 | 14.6995 | 0.6345 | 0.637144626 | 0.002644626 | 9.365707433 | 0.038874683 |
| 17 | 15.1346 | 0.5345 | 0.536216243 | 0.001716243 | 8.115418353 | 0.025974653 |
| 18 | 15.5311 | 0.4275 | 0.429510822 | 0.002010822 | 6.670775525 | 0.031230275 |
| 19 | 15.8929 | 0.3185 | 0.318770524 | 0.000270524 | 5.066188057 | 0.004299407 |
| 20. | 16.2229 | 0.2085 | 0.207383220 | 0.001116780 | 3.364357235 | 0.018117415 |
| 21 | 16.5241 | 0.1010 | 0.096159717 | 0.004840283 | 1.588952787 | 0.079981313 |
| 22 | 16.7987 | −0.0080 | −0.00833096 | 0.000330958 | −0.13994927 | 0.005559666 |
| 23 | 17.0499 | −0.1110 | −0.11093900 | 6.09964<我t一个l我c>
E我t一个l我c>−05 | −1.89149892 | 0.001039982 |
| 24 | 17.2793 | −0.2090 | −0.20924515 | 0.000245153 | −3.61560977 | 0.004236069 |
| 25 | 17.4885 | −0.3030 | −0.30085484 | 0.002145160 | −5.26149987 | 0.037515629 |
| 管理学院的 | NA | NA | NA | 0.048918 | NA | 0.517259 |
图
11礼物MWOA三模型的收敛曲线,揭示了在30运行性能。很明显,该方法收敛速度更快,比原算法的参数识别SDM, DDM,光伏模块。此外,新出版的EHHO相比,另一个改善WOA称为CWOA MWOA总是最著名最快的收敛速度和精度。
图11收敛图MWOA的三个模型:(一)长效磺胺;(b) DDM;(c) PV。
(一)
(b)
(c)
基于上述MWOA性能的三个模型,可以发现,在优化精度,MWOA不仅比其他竞争算法,但也有一个竞争优势相对于其他改进woa。因此,有理由说MWOA是一个有前途的工具评估领域的光伏模型的未知参数。
年代ec>
5.3。讨论从上面可以知道MWOA介绍两种策略,利维飞行和模式搜索。为了进一步证明该算法这两种机制的贡献,最大(max),最小(最小值),平均值(平均),和标准偏差(std) RMSE介绍。表
8的比较结果显示MWOA变异只涉及其中的一个机制。其中,只介绍了征税的方法作为LWOA飞行记录,和方法,只有涉及PSWOA模式搜索记录。从表
8,无论是最大值、最小值、或者是说,MWOA总是最好的性能三个实验模型,这表明MWOA最满意的优化精度。更重要的是,最小的性病表明MWOA有最好的三个模型鲁棒性。总之,没有办法达到预期的结果与一个单一的机制,但两者的结合可以更好的性能。
表8米WO一个比较三个模型的变体。
| 模型 |
算法 |
马克斯 |
最小值 |
的意思是 |
性病 |
时间成本(女士) |
| 长效磺胺 | MWOA | 0.00560131 |
0.00098609 |
0.00180880 |
0.00091696 | 1308年 |
| LWOA | 0.04599369 | 0.00112371 | 0.01627346 | 0.01822288 |
191年 |
| PSWOA |
0.00375842 |
0.00098643 | 0.00176644 |
0.00057628 |
1284年 |
|
| DDM | MWOA |
0.0026339 |
0.00098602 |
0.00137714 |
0.00050241 |
4318年 |
| LWOA | 0.04601357 | 0.00107692 | 0.00953996 | 0.01368628 |
205年 |
| PSWOA | 0.00369537 | 0.00098964 | 0.00177870 | 0.00075721 | 3298年 |
|
| 光伏 | MWOA |
0.0094304 |
0.00242787 |
0.00343322 |
0.00167523 |
1816年 |
| LWOA | 0.27431195 | 0.00251422 | 0.11064789 | 0.12821913 |
192年 |
| PSWOA | 0.01171526 |
0.00242508 |
0.00350586 | 0.00203750 | 1693年 |
除此之外,<我t一个l我c>
时间成本我t一个l我c>记录的平均CPU时间三个版本的WOA上独立运行了30倍之后电脑主要频率为3.4 GHZ, 8 GB的内存,操作系统与MATLAB Win10 R2016a实现。可以看出,虽然模式搜索算法具有较强的局部搜索能力,它的引入显著增加计算成本。然而,值得花一定的时间成本来提高精度。然而,对于大规模问题,计算时间将是一个重要的问题值得关注。因此,降低计算成本不改变精度仍然是一个问题,我们在未来需要注意。
年代ec>
5.4。ST40和SM55的结果进一步测试方法的效用在本文中,我们应用MWOA参数提取的两种不同类型的光伏模块:薄膜光伏模块ST40 [
84年年代米55[]和单晶硅光伏模块
85年]。两个两个光伏模块由于SDM和DDM的建模。对于每个模块类型,实验在不同的温度和不同的光强度。当温度变化时,光强度需要保持恒定;相反,当光强度变化时,温度保持不变。
的初始范围上镜的电流<我nl我ne-formula>
我米米l:mi>
ph值米米l:mtext>
在这部分是由短路电流<我nl我ne-formula>
我米米l:mi>
SC米米l:mtext>
和它的温度系数<我nl我ne-formula>
α米米l:mi>
在标准测试条件下(STC)。的计算<我nl我ne-formula>
我米米l:mi>
ph值米米l:mtext>
如下:
(28)米米l:mtext>
我米米l:mi>
SC米米l:mtext>
G米米l:mi>
,米米l:mo>
T米米l:mi>
=米米l:mo>
我米米l:mi>
SC_STC米米l:mtext>
⋅米米l:mo>
G米米l:mi>
G米米l:mi>
STC)米米l:mtext>
+米米l:mo>
α米米l:mi>
⋅米米l:mo>
T米米l:mi>
−米米l:mo>
T米米l:mi>
STC)米米l:mtext>
,米米l:mo>
在哪里<我t一个l我c>
G我t一个l我c>和<我t一个l我c>
T我t一个l我c>代表non-STC下的光强和温度,分别。因此,表中给出的参数范围
9。
表9年代T40和SM55范围的参数。
| 参数 |
我米米l:mi>
ph值米米l:mtext>
一个米米l:mi>
|
我米米l:mi>
sd米米l:mtext>
一个米米l:mi>
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
R米米l:mi>
p米米l:mi>
Ω米米l:mi>
|
n米米l:mi>
|
| 下限 | 0 | 0 | 0 | 0 | 1 |
| 上限 |
2米米l:mn>
我米米l:mi>
SC米米l:mtext>
|
One hundred.<我t一个l我c>
e我t一个l我c>−6 | 2 | 5000年 | 4 |
表
10和
11给两个光伏模块的最佳参数值在长效磺胺和DDM提取MWOA在不同辐照度。此外,它们的值在不同温度条件下的参数在表中列出
12和
13。此外,数据
12和
13现在的结果模拟当前和实验数据之间的比较在不同辐照度长效磺胺和DDM,虽然比较结果在不同的温度下给出了数据
14和
15。从这些数据可以看出,两个光伏模块的两个模型I-VCs MWOA估计都是根据实验数据良好无论不同辐照度或温度条件下。
表10参数估计通过MWOA ST40在不同辐照度的温度25°C。
| 参数 |
辐照度(<我nl我ne-formula>
W米米l:mtext>
/米米l:mo>
米米米l:mtext>
2米米l:mn>
) |
| 200年 |
400年 |
600年 |
800年 |
1000年 |
|
长效磺胺我t一个l我c> |
|
我米米l:mi>
Ph值米米l:mtext>
(一) | 0.53331757 | 1.066988270 | 1.60810360 | 2.134525548 | 2.672172239 |
|
我米米l:mi>
sd米米l:mtext>
(马) | 1.26871<我t一个l我c>
E我t一个l我c>−06 | 2.25447<我t一个l我c>
E我t一个l我c>−06 | 5.7171<我t一个l我c>
E我t一个l我c>−07 | 2.13585<我t一个l我c>
E我t一个l我c>−06 | 2.49412<我t一个l我c>
E我t一个l我c>−06 |
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
1.246907638 | 1.044231634 | 1.22988867 | 1.072832043 | 1.077531612 |
|
R米米l:mi>
上海米米l:mtext>
Ω米米l:mi>
|
342.7239747 | 373.8873942 | 301.602681 | 396.1091591 | 431.4419003 |
|
n米米l:mi>
|
1.731262353 | 1.805362555 | 1.63808006 | 1.794001397 | 1.811129005 |
| RMSE | 0.000482114 | 0.000719576 | 0.00197090 | 0.002108032 | 0.001978270 |
|
DDM我t一个l我c> |
|
我米米l:mi>
Ph值米米l:mtext>
(一) | 0.533334706 | 1.067494405 | 1.603128611 | 2.135349650 | 2.672683458 |
|
我米米l:mi>
sd米米l:mtext>
1米米l:mn>
马米米l:mtext>
|
3.18603<我t一个l我c>
E我t一个l我c>−05 | 1.10843<我t一个l我c>
E我t一个l我c>−05 | 2.01305<我t一个l我c>
E我t一个l我c>−07 | 2.63126<我t一个l我c>
E我t一个l我c>−05 | 3.68549<我t一个l我c>
E我t一个l我c>−07 |
|
我米米l:mi>
sd米米l:mtext>
2米米l:mn>
马米米l:mtext>
|
1.82510<我t一个l我c>
E我t一个l我c>−07 | 1.73461<我t一个l我c>
E我t一个l我c>−06 | 9.10872<我t一个l我c>
E我t一个l我c>−05 | 9.23098<我t一个l我c>
E我t一个l我c>−08年 | 6.39422<我t一个l我c>
E我t一个l我c>−05 |
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
1.607320066 | 1.086406066 | 1.228284977 | 1.193810586 | 1.154094959 |
|
R米米l:mi>
上海米米l:mtext>
Ω米米l:mi>
|
362.7821760 | 365.4957689 | 424.7460606 | 411.8634978 | 463.7373381 |
|
n米米l:mi>
1米米l:mn>
|
2.954593428 | 3.999998684 | 1.538718540 | 2.581648985 | 1.601798267 |
|
n米米l:mi>
2米米l:mn>
|
1.517748630 | 1.770462365 | 3.259517500 | 1.479398414 | 3.062640621 |
| RMSE | 0.000464494 | 0.000640640 | 0.001199160 | 0.001561701 | 0.001413850 |
表11参数估计通过MWOA SM55在不同辐照度的温度25°C。
| 参数 |
辐照度(<我nl我ne-formula>
W米米l:mtext>
/米米l:mo>
米米米l:mtext>
2米米l:mn>
) |
| 200年 |
400年 |
600年 |
800年 |
1000年 |
|
长效磺胺我t一个l我c> |
|
我米米l:mi>
Ph值米米l:mtext>
一个米米l:mtext>
|
0.691124151 | 1.375557785 | 2.060699041 | 2.754700747 | 3.445108764 |
|
我米米l:mi>
sd米米l:mtext>
马米米l:mtext>
|
3.14217<我t一个l我c>
E我t一个l我c>−07 | 2.59878<我t一个l我c>
E我t一个l我c>−06 | 5.59042<我t一个l我c>
E我t一个l我c>−06 | 8.35283<我t一个l我c>
E我t一个l我c>−07 | 5.71094<我t一个l我c>
E我t一个l我c>−06 |
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
0.045346426 | 0 | 0.025746037 | 0.226456305 | 0.168590083 |
|
R米米l:mi>
上海米米l:mtext>
Ω米米l:mi>
|
460.8732310 | 982.5299237 | 3737.137718 | 826.8341087 | 5000年 |
|
n米米l:mi>
|
1.450790398 | 1.679741930 | 1.769714298 | 1.539436492 | 1.761010518 |
| RMSE | 7.33928<我t一个l我c>
E我t一个l我c>−04 | 5.30961<我t一个l我c>
E我t一个l我c>−03 | 9.59915<我t一个l我c>
E我t一个l我c>−03 | 5.03150<我t一个l我c>
E我t一个l我c>−03 | 1.95455<我t一个l我c>
E我t一个l我c>−02 |
|
DDM我t一个l我c> |
|
我米米l:mi>
Ph值米米l:mtext>
(一) | 0.691774691 | 1.382238669 | 2.069823060 | 2.760191237 | 3.444815843 |
|
我米米l:mi>
sd米米l:mtext>
1米米l:mn>
马米米l:mtext>
|
2.67313<我t一个l我c>
E我t一个l我c>−05 | 6.75894<我t一个l我c>
E我t一个l我c>−05 | 3.32656<我t一个l我c>
E我t一个l我c>−05 | 1.18388<我t一个l我c>
E我t一个l我c>−07 | 4.47349<我t一个l我c>
E我t一个l我c>−07 |
|
我米米l:mi>
sd米米l:mtext>
2米米l:mn>
马米米l:mtext>
|
1.21842<我t一个l我c>
E我t一个l我c>−07 | 7.43739<我t一个l我c>
E我t一个l我c>−08年 | 1.83266<我t一个l我c>
E我t一个l我c>−07 | 2.02677<我t一个l我c>
E我t一个l我c>−05 | 3.20927<我t一个l我c>
E我t一个l我c>−08年 |
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
0.301600858 | 0.410528644 | 0.315554320 | 0.344567527 | 0.294658909 |
|
R米米l:mi>
上海米米l:mtext>
Ω米米l:mi>
|
452.4222904 | 465.8227848 | 500.5793324 | 475.8515534 | 835.4957903 |
|
n米米l:mi>
1米米l:mn>
|
3.999998927 | 3.999999857 | 3.999999242 | 1.365722181 | 1.479773104 |
|
n米米l:mi>
2米米l:mn>
|
1.364883480 | 1.328568747 | 1.401671201 | 3.530470772 | 3.999998105 |
| RMSE | 5.55361<我t一个l我c>
E我t一个l我c>−04 | 6.42907<我t一个l我c>
E我t一个l我c>−03 | 1.13452<我t一个l我c>
E我t一个l我c>−03 | 7.36226<我t一个l我c>
E我t一个l我c>−04 | 4.85349<我t一个l我c>
E我t一个l我c>−03 |
表12年代米55基于MWOA最佳提取参数在不同温度和辐照度为1000<我nl我ne-formula>
W米米l:mtext>
/米米l:mo>
米米米l:mtext>
2米米l:mn>
。
| 参数 |
温度 |
| 25°C |
40°C |
50°C |
70°C |
|
长效磺胺我t一个l我c> |
|
我米米l:mi>
Ph值米米l:mtext>
(一) | 2.670805171 | 2.678136578 | 2.692226584 | 2.692391664 |
|
我米米l:mi>
sd米米l:mtext>
马米米l:mtext>
|
2.99498<我t一个l我c>
E我t一个l我c>−06 | 7.45505<我t一个l我c>
E我t一个l我c>−06 | 1.82816<我t一个l我c>
E我t一个l我c>−05 | 8.72477<我t一个l我c>
E我t一个l我c>−05 |
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
1.063555711 | 1.109929841 | 1.151349018 | 1.126145392 |
|
R米米l:mi>
上海米米l:mtext>
Ω米米l:mi>
|
468.8521810 | 425.9939767 | 291.6453129 | 366.3672871 |
|
n米米l:mi>
|
1.834954118 | 1.759078925 | 1.714508611 | 1.726804626 |
| RMSE | 2.63628<我t一个l我c>
E我t一个l我c>−03 | 1.823996<我t一个l我c>
E我t一个l我c>−03 | 1.825667<我t一个l我c>
E我t一个l我c>−03 | 7.77905<我t一个l我c>
E我t一个l我c>−04 |
|
DDM我t一个l我c> |
|
我米米l:mi>
Ph值米米l:mtext>
(一) | 2.671398029 | 2.679666230 | 2.689671608 | 2.692165113 |
|
我米米l:mi>
sd米米l:mtext>
1米米l:mn>
马米米l:mtext>
|
2.11052<我t一个l我c>
E我t一个l我c>−06 | 4.11310<我t一个l我c>
E我t一个l我c>−06 | 6.53862<我t一个l我c>
E我t一个l我c>−06 | 4.07806<我t一个l我c>
E我t一个l我c>−05 |
|
我米米l:mi>
sd米米l:mtext>
2米米l:mn>
马米米l:mtext>
|
5.16008<我t一个l我c>
E我t一个l我c>−05 | 9.13747<我t一个l我c>
E我t一个l我c>−05 | 7.44782<我t一个l我c>
E我t一个l我c>−05 | 5.01099<我t一个l我c>
E我t一个l我c>−05 |
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
1.083233193 | 1.139556934 | 1.170833251 | 1.126314671 |
|
R米米l:mi>
上海米米l:mtext>
Ω米米l:mi>
|
465.8813651 | 409.7291090 | 350.2016170 | 372.8377988 |
|
n米米l:mi>
1米米l:mn>
|
1.790806924 | 1.683990294 | 1.596889739 | 1.687289644 |
|
n米米l:mi>
2米米l:mn>
|
4 | 3.459103314 | 2.383804127 | 1.787270097 |
| RMSE | 2.026022<我t一个l我c>
E我t一个l我c>−03 | 1.434158<我t一个l我c>
E我t一个l我c>−03 | 1.691410<我t一个l我c>
E我t一个l我c>−03 | 7.86324<我t一个l我c>
E我t一个l我c>−03 |
表13年代米55基于MWOA最佳提取参数在不同温度和辐照度为1000<我nl我ne-formula>
W米米l:mtext>
/米米l:mo>
米米米l:mtext>
2米米l:mn>
。
| 参数 |
温度 |
| 25°C |
40°C |
60°C |
|
长效磺胺我t一个l我c> |
|
我米米l:mi>
Ph值米米l:mtext>
(一) | 3.439753496 | 3.464789448 | 3.496202107 |
|
我米米l:mi>
sd米米l:mtext>
马米米l:mtext>
|
1.09955<我t一个l我c>
E我t一个l我c>−06 | 2.12791<我t一个l我c>
E我t一个l我c>−06 | 5.76199<我t一个l我c>
E我t一个l我c>−06 |
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
0.258317606 | 0.288320732 | 0.326680838 |
|
R米米l:mi>
上海米米l:mtext>
Ω米米l:mi>
|
3185.898949 | 920.0665445 | 420.4346275 |
|
n米米l:mi>
|
1.568081730 | 1.478821787 | 1.386130001 |
| RMSE | 9.36221<我t一个l我c>
E我t一个l我c>−03 | 5.238358<我t一个l我c>
E我t一个l我c>−03 | 3.943069<我t一个l我c>
E我t一个l我c>−03 |
|
DDM我t一个l我c> |
|
我米米l:mi>
Ph值米米l:mtext>
(一) | 3.444339148 | 3.468216376 | 3.494227304 |
|
我米米l:mi>
sd米米l:mtext>
1米米l:mn>
马米米l:mtext>
|
4.84749<我t一个l我c>
E我t一个l我c>−07 | 1.69984<我t一个l我c>
E我t一个l我c>−06 | 5.56214<我t一个l我c>
E我t一个l我c>−06 |
|
我米米l:mi>
sd米米l:mtext>
2米米l:mn>
马米米l:mtext>
|
1.48188<我t一个l我c>
E我t一个l我c>−06 | 1.30229<我t一个l我c>
E我t一个l我c>−06 | 9.81529<我t一个l我c>
E我t一个l我c>−05 |
|
R米米l:mi>
年代米米l:mi>
Ω米米l:mi>
|
0.291523040 | 0.308086727 | 0.324250130 |
|
R米米l:mi>
上海米米l:mtext>
Ω米米l:mi>
|
897.8080508 | 584.7482411 | 535.3914659 |
|
n米米l:mi>
1米米l:mn>
|
1.487262815 | 3.999999340 | 1.383430623 |
|
n米米l:mi>
2米米l:mn>
|
4 | 1.430089460 | 3.060301029 |
| RMSE | 5.262165<我t一个l我c>
E我t一个l我c>−03 | 3.865419<我t一个l我c>
E我t一个l我c>−03 | 3.890039<我t一个l我c>
E我t一个l我c>−03 |
图12我-VC (a)的长效磺胺和(b) DDM薄膜在不同辐照度ST40。
(一)
(b)
图13我-VC (a)长效磺胺和(b)为单晶SM55 DDM不同的辐照度。
(一)
(b)
图14我-VC (a)长效磺胺和(b)对薄膜ST40 DDM在不同的温度。
(一)
(b)
图15我-VC (a)长效磺胺和(b)为单晶SM55 DDM在不同的温度下。
(一)
(b)
6。结论和未来的发展方向在本文中,我们提出一个修改的鲸鱼优化算法确定最优模型中未知参数的表征太阳能电池和光伏模块。新算法MWOA形成通过引入利维飞行策略和模式搜索机制。MWOA遵循人口更新方法的原始WOA找到当前最优解作为初始点的模式搜索;然后,它搜索潜在的更好的解决方案领域的解决方案。与此同时,它利用利维飞行保持解的多样性;因此,它增强了探索整个搜索空间的能力。这两个改进机制平衡勘探开发之间的关系,并允许算法来提高解决方案的准确性,同时降低算法陷入局部优化的可能性。此外,我们证明了该方法的有效性和实用程序的问题确定太阳能电池和光伏模块参数通过分析实验结果。
还有有趣的方面,可以进一步探索在未来工作。首先,我们利用MWOA获得令人满意的结果在太阳能电池和光伏模块的参数估计,我们将研究其他问题包括工程应用中的应用(
86年),米ultithreshold图像分割(
87年,
88年],破产预测[
89年)、工程设计(
65年,
90年- - - - - -
93年),金融压力预测(
94年],受限的实际工程问题[
95年),支持向量机(
66年,
96年,
97年),极端学习机(ELM) [
98年- - - - - -
103年),卷积神经网络(
104年- - - - - -
107年),医学图像识别(
108年),特征选择(
66年,
109年- - - - - -
113年),特征信息融合(
114年],社会进化建模[
115年),推荐系统(
116年),文本聚类(
117年],和无监督乐队选择[
118年]。其次,由于MWOA以人群为基础的随机优化器,仍然可能遇到人口停滞问题对一些更复杂的数据集,进一步提高算法的性能基于其他优化机制也是一个有意义的研究方向。
年代ec>
数据可用性参与这项研究的数据都是公开数据,这可以通过公共频道下载。
年代ec>
的利益冲突作者宣称没有利益冲突有关文章的发表。
年代ec>
作者的贡献陈气、Huiling陈和海龙黄了同样工作。
年代ec>
确认这项研究得到了中国国家社会科学基金“分配正义和经济效率之间的协调研究在新的城市化”的过程中(项目号16 ctj012)。是由于Ali Asghar Heidari对伊朗伊斯兰共和国通讯社表示感谢他的努力在本研究做准备。
一个ck>
[
1
Nassar-eddine年代urname>
我。
Obbadi年代urname>
一个。
Errami年代urname>
Y。
El fajri年代urname>
一个。
Agunaou年代urname>
M。
光伏模块的参数估计使用迭代法和兰伯特W功能:比较研究一个rt我cle-title>
能量转换和管理我t一个l我c>
2016年
119年
37
48
10.1016 / j.enconman.2016.04.030
2 - s2.0 - 84963600773
]
[
2
Parida年代urname>
B。
Iniyan年代urname>
年代。
Goic年代urname>
R。
对太阳能光伏技术一个rt我cle-title>
可再生能源和可持续能源的评论我t一个l我c>
2011年
15
3我年代年代ue>
1625年
1636年
10.1016 / j.rser.2010.11.032
2 - s2.0 - 78650976196
]
[
3
Askarzadeh年代urname>
一个。
Rezazadeh年代urname>
一个。
人工蜜蜂群优化算法进行参数识别的太阳能电池模型一个rt我cle-title>
应用能源我t一个l我c>
2013年
102年
943年
949年
10.1016 / j.apenergy.2012.09.052
2 - s2.0 - 84870767174
]
[
4
阿拉姆年代urname>
d F。
Yousri年代urname>
d . A。
Eteiba年代urname>
m B。
花授粉太阳能光伏参数估计算法一个rt我cle-title>
能量转换和管理我t一个l我c>
2015年
101年
410年
422年
10.1016 / j.enconman.2015.05.074
2 - s2.0 - 84931275580
]
[
5
陈年代urname>
d . s . H。
菲利普斯年代urname>
j . R。
Phang年代urname>
j . c . H。
比较研究的太阳能电池模型参数提取方法一个rt我cle-title>
固体电子学我t一个l我c>
1986年
29日
3我年代年代ue>
329年
337年
10.1016 / 0038 - 1101 (86)90212 - 1
2 - s2.0 - 0022675793
]
[
6
Ouennoughi年代urname>
Z。
Chegaar年代urname>
M。
一个更简单的方法,用电导法提取太阳能电池参数一个rt我cle-title>
固体电子学我t一个l我c>
1999年
43
11我年代年代ue>
1985年
1988年
10.1016 / s0038 - 1101 (99) 00174 - 4
2 - s2.0 - 0033224905
]
[
7
Chegaar年代urname>
M。
Ouennoughi年代urname>
Z。
霍夫曼年代urname>
一个。
评价照明太阳能电池参数的一种新方法一个rt我cle-title>
固体电子学我t一个l我c>
2001年
45
2我年代年代ue>
293年
296年
10.1016 / s0038 - 1101 (00) 00277 - x
2 - s2.0 - 0035246832
]
[
8
耆那教徒的年代urname>
一个。
卡普尔年代urname>
一个。
精确解析解的参数使用兰伯特W-function真正的太阳能电池一个rt我cle-title>
太阳能材料和太阳能电池我t一个l我c>
2004年
81年
2我年代年代ue>
269年
277年
10.1016 / j.solmat.2003.11.018
2 - s2.0 - 0742271782
]
[
9
汗年代urname>
F。
辛格年代urname>
s . N。
侯赛因年代urname>
M。
光照强度对细胞的影响参数的硅太阳能电池一个rt我cle-title>
太阳能材料和太阳能电池我t一个l我c>
2010年
94年
9我年代年代ue>
1473年
1476年
10.1016 / j.solmat.2010.03.018
2 - s2.0 - 77955418927
]
[
10
Santakrus辛格年代urname>
N。
耆那教徒的年代urname>
一个。
卡普尔年代urname>
一个。
确定太阳能电池结理想因子使用特殊的反式函数理论(STFT)一个rt我cle-title>
太阳能材料和太阳能电池我t一个l我c>
2009年
93年
8我年代年代ue>
1423年
1426年
10.1016 / j.solmat.2009.03.013
2 - s2.0 - 67349262623
]
[
11
Mallick年代urname>
s P。
破折号年代urname>
d . P。
Mallik年代urname>
年代。
实证方法对光伏参数提取和优化一个rt我cle-title>
太阳能我t一个l我c>
2017年
153年
360年
365年
10.1016 / j.solener.2017.05.076
2 - s2.0 - 85020193132
]
[
12
吴年代urname>
Q。
首歌年代urname>
T。
刘年代urname>
H。
杨ydF4y2Ba
X。
基于参数的粒子群优化算法的改进一个rt我cle-title>
杂志在科学和工程计算方法我t一个l我c>
2017年
17
3我年代年代ue>
557年
568年
10.3233 / jcm - 170742
2 - s2.0 - 85027445434
]
[
13
凌ydF4y2Ba
C。
清年代urname>
一个。
冯年代urname>
Q。
交叉的比较研究微分进化一个rt我cle-title>
杂志的启发式我t一个l我c>
2011年
17
6我年代年代ue>
675年
703年
10.1007 / s10732 - 010 - 9151 - 1
2 - s2.0 - 84855512980
]
[
14
Salgotra年代urname>
R。
辛格年代urname>
U。
裸鼢鼠算法一个rt我cle-title>
神经计算和应用我t一个l我c>
2019年
31日
12我年代年代ue>
8837年
8857年
10.1007 / s00521 - 019 - 04464 - 7
2 - s2.0 - 85073932628
]
[
15
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
Mirjalili年代urname>
年代。
法里斯年代urname>
H。
Aljarah年代urname>
我。
Mafarja年代urname>
M。
程ydF4y2Ba
H。
哈里斯鹰优化:算法和应用程序一个rt我cle-title>
未来一代计算机系统我t一个l我c>
2019年
97年
849年
872年
10.1016 / j.future.2019.02.028
2 - s2.0 - 85063421586
]
[
16
李年代urname>
年代。
程ydF4y2Ba
H。
王年代urname>
M。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
Mirjalili年代urname>
年代。
黏菌算法:一个随机优化的新方法一个rt我cle-title>
未来一代计算机系统我t一个l我c>
2020年
111年
300年
323年
10.1016 / j.future.2020.03.055
]
[
17
程ydF4y2Ba
H。
焦年代urname>
年代。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
王年代urname>
M。
程ydF4y2Ba
X。
赵年代urname>
X。
一个反对正弦余弦方法与当地寻找光伏模型的参数估计一个rt我cle-title>
能量转换和管理我t一个l我c>
2019年
195年
927年
942年
10.1016 / j.enconman.2019.05.057
2 - s2.0 - 85067985865
]
[
18
程ydF4y2Ba
H。
焦年代urname>
年代。
王年代urname>
M。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
赵年代urname>
X。
参数识别的光伏电池和模块使用diversification-enriched哈里斯鹰与混沌优化的雪堆一个rt我cle-title>
《清洁生产我t一个l我c>
2020年
244年
118778年
10.1016 / j.jclepro.2019.118778
2 - s2.0 - 85073734744
]
[
19
Ridha年代urname>
h . M。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
王年代urname>
M。
程ydF4y2Ba
H。
提高mutation-based哈里斯鹰single-diode太阳能电池模型的优化器进行参数识别一个rt我cle-title>
能量转换和管理我t一个l我c>
2020年
209年
112660年
10.1016 / j.enconman.2020.112660
]
[
20.
Ridha年代urname>
h . M。
戈麦斯年代urname>
C。
Hizam年代urname>
H。
Ahmadipour年代urname>
M。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
程ydF4y2Ba
H。
优化设计的多目标优化和多目标决策方法独立光伏系统:一个全面的评估一个rt我cle-title>
可再生能源和可持续能源的评论我t一个l我c>
2021年
135年
110202年
10.1016 / j.rser.2020.110202
]
[
21
焦年代urname>
年代。
庄年代urname>
G。
黄年代urname>
C。
采用正交改编哈里斯鹰优化光伏模型的参数估计一个rt我cle-title>
能源我t一个l我c>
2020年
203年
117804年
10.1016 / j.energy.2020.117804
]
[
22
张年代urname>
H。
李年代urname>
R。
蔡年代urname>
Z。
先进的正交蛾火焰与Broyden-Fletcher-Goldfarb-Shanno算法优化:框架和现实问题一个rt我cle-title>
专家系统与应用程序我t一个l我c>
2020年
159年
113617年
10.1016 / j.eswa.2020.113617
]
[
23
刘年代urname>
Y。
庄年代urname>
G。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
水平和垂直交叉的哈里斯鹰与Nelder-Mead单纯形优化光伏模型的参数估计一个rt我cle-title>
能量转换和管理我t一个l我c>
2020年
223年
113211年
10.1016 / j.enconman.2020.113211
]
[
24
王年代urname>
M。
赵年代urname>
X。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
程ydF4y2Ba
H。
评价约束在光伏模型利用一个增强蚁狮的优化器一个rt我cle-title>
太阳能我t一个l我c>
2020年
211年
503年
521年
10.1016 / j.solener.2020.09.080
]
[
25
Messaoud年代urname>
r B。
提取的单引号和双二极管模型的不确定参数的光伏面板使用樽海鞘蜂群算法一个rt我cle-title>
测量我t一个l我c>
2020年
154年
107446年
10.1016 / j.measurement.2019.107446
]
[
26
Abbassi年代urname>
R。
Abbassi年代urname>
一个。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
Mirjalili年代urname>
年代。
一个高效的樽海鞘swarm-inspired光伏电池模型的参数识别算法一个rt我cle-title>
能量转换和管理我t一个l我c>
2019年
179年
362年
372年
10.1016 / j.enconman.2018.10.069
2 - s2.0 - 85055642698
]
[
27
Abbassi年代urname>
一个。
Abbassi年代urname>
R。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
光伏电池模型的参数识别使用增强的探索性樽海鞘chains-based方法一个rt我cle-title>
能源我t一个l我c>
2020年
198年
117333年
10.1016 / j.energy.2020.117333
]
[
28
Pourmousa年代urname>
N。
Ebrahimi年代urname>
s M。
Malekzadeh带领年代urname>
M。
Alizadeh年代urname>
M。
参数估计的光伏电池使用基于改进洛奇语映射的混沌优化算法一个rt我cle-title>
太阳能我t一个l我c>
2019年
180年
180年
191年
10.1016 / j.solener.2019.01.026
2 - s2.0 - 85059894721
]
[
29日
程ydF4y2Ba
X。
徐年代urname>
B。
梅年代urname>
C。
丁年代urname>
Y。
李年代urname>
K。
Teaching-learning-based人工蜜蜂殖民地对太阳能光伏参数估计一个rt我cle-title>
应用能源我t一个l我c>
2018年
212年
1578年
1588年
10.1016 / j.apenergy.2017.12.115
2 - s2.0 - 85040377246
]
[
30.
李年代urname>
年代。
龚年代urname>
W。
杨ydF4y2Ba
X。
参数提取光伏模型使用一种改进的teaching-learning-based优化一个rt我cle-title>
能量转换和管理我t一个l我c>
2019年
186年
293年
305年
10.1016 / j.enconman.2019.02.048
2 - s2.0 - 85062373803
]
[
31日
梁年代urname>
J。
乔年代urname>
K。
元年代urname>
M。
进化多任务优化光伏模型的参数提取一个rt我cle-title>
能量转换和管理我t一个l我c>
2020年
207年
112509年
10.1016 / j.enconman.2020.112509
]
[
32
李年代urname>
年代。
顾年代urname>
Q。
龚年代urname>
W。
宁年代urname>
B。
一个增强的自适应差分进化算法光伏模型的参数提取一个rt我cle-title>
能量转换和管理我t一个l我c>
2020年
205年
112443年
10.1016 / j.enconman.2019.112443
]
[
33
李年代urname>
年代。
龚年代urname>
W。
杨ydF4y2Ba
X。
胡年代urname>
C。
白年代urname>
D。
王年代urname>
l
光伏模型的参数估计与迷因适应微分进化一个rt我cle-title>
太阳能我t一个l我c>
2019年
190年
465年
474年
10.1016 / j.solener.2019.08.022
2 - s2.0 - 85070962390
]
[
34
程ydF4y2Ba
X。
余年代urname>
K。
组合与biogeography-based布谷鸟搜索算法优化光伏模型参数估计一个rt我cle-title>
太阳能我t一个l我c>
2019年
180年
192年
206年
10.1016 / j.solener.2019.01.025
2 - s2.0 - 85059865492
]
[
35
Yousri年代urname>
D。
勒姆年代urname>
D。
Eteiba年代urname>
m B。
Suganthan年代urname>
p . N。
静态和动态光电模型的参数识别使用混乱的异构全面学习粒子群优化器变异一个rt我cle-title>
能量转换和管理我t一个l我c>
2019年
182年
546年
563年
10.1016 / j.enconman.2018.12.022
2 - s2.0 - 85060064709
]
[
36
梁年代urname>
J。
通用电气年代urname>
年代。
曲年代urname>
B。
分类基于扰动变异粒子群优化算法的参数提取光伏模型一个rt我cle-title>
能量转换和管理我t一个l我c>
2020年
203年
112138年
10.1016 / j.enconman.2019.112138
]
[
37
凌ydF4y2Ba
X。
吴年代urname>
Y。
光伏模型的参数识别中使用niche-based粒子群优化并行计算架构一个rt我cle-title>
能源我t一个l我c>
2020年
196年
117054年
10.1016 / j.energy.2020.117054
]
[
38
江ydF4y2Ba
X。
翁年代urname>
Z。
一个逻辑混乱JAYA光伏电池和模块模型的参数识别算法一个rt我cle-title>
Optik我t一个l我c>
2020年
203年
164041年
10.1016 / j.ijleo.2019.164041
]
[
39
张年代urname>
Y。
金年代urname>
Z。
赵年代urname>
X。
杨年代urname>
Q。
回溯搜索算法与利维飞行光伏模型估计参数一个rt我cle-title>
能量转换和管理我t一个l我c>
2020年
208年
112615年
10.1016 / j.enconman.2020.112615
]
[
40
张年代urname>
H。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
王年代urname>
M。
张年代urname>
l
程ydF4y2Ba
H。
李年代urname>
C。
正交Nelder-Mead蛾火焰光伏模块的参数识别的方法一个rt我cle-title>
能量转换和管理我t一个l我c>
2020年
211年
112764年
10.1016 / j.enconman.2020.112764
]
[
41
Medani年代urname>
k . b . o。
Sayah年代urname>
年代。
Bekrar年代urname>
一个。
鲸鱼基于优化算法的最优无功调度:阿尔及利亚电力系统的案例研究一个rt我cle-title>
电力系统研究我t一个l我c>
2018年
163年
696年
705年
10.1016 / j.epsr.2017.09.001
2 - s2.0 - 85030245316
]
[
42
Aljarah年代urname>
我。
法里斯年代urname>
H。
Mirjalili年代urname>
年代。
优化神经网络的连接权值用鲸鱼优化算法一个rt我cle-title>
软计算我t一个l我c>
2018年
22
1我年代年代ue>
1
15
10.1007 / s00500 - 016 - 2442 - 1
2 - s2.0 - 85047549489
]
[
43
阿齐兹年代urname>
m·a·E。
母羊年代urname>
答:一个。
Hassanien年代urname>
答:E。
鲸鱼优化算法和moth-flame优化多级阈值图像分割一个rt我cle-title>
专家系统与应用程序我t一个l我c>
2017年
83年
242年
256年
10.1016 / j.eswa.2017.04.023
2 - s2.0 - 85018397343
]
[
44
Mafarja年代urname>
M . M。
Mirjalili年代urname>
年代。
混合鲸鱼与模拟退火优化算法特征选择一个rt我cle-title>
Neurocomputing我t一个l我c>
2017年
260年
302年
312年
10.1016 / j.neucom.2017.04.053
2 - s2.0 - 85019385058
]
[
45
王年代urname>
J。
杜年代urname>
P。
妞妞年代urname>
T。
杨年代urname>
W。
一种新型混合动力系统基于一种新的提议algorithm-Multi-Objective鲸鱼对风速预测优化算法一个rt我cle-title>
应用能源我t一个l我c>
2017年
208年
344年
360年
10.1016 / j.apenergy.2017.10.031
2 - s2.0 - 85031750922
]
[
46
Salgotra年代urname>
R。
辛格年代urname>
U。
萨哈年代urname>
年代。
一些鲸鱼优化算法的改进版本一个rt我cle-title>
阿拉伯科学与工程》杂志上我t一个l我c>
2019年
44
11我年代年代ue>
9653年
9691年
10.1007 / s13369 - 019 - 04016 - 0
2 - s2.0 - 85068870633
]
[
47
程ydF4y2Ba
H。
杨年代urname>
C。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
赵年代urname>
X。
一个高效的双自适应随机备用钢筋鲸鱼优化算法一个rt我cle-title>
专家系统与应用程序我t一个l我c>
2020年
154年
113018年
10.1016 / j.eswa.2019.113018
2 - s2.0 - 85073817535
]
[
48
丁年代urname>
H。
吴年代urname>
Z。
赵年代urname>
l
鲸鱼基于非线性优化算法收敛因子和混乱的惯性权重一个rt我cle-title>
并发性和Computation-Practice &经验我t一个l我c>
2020年
32
24我年代年代ue>
e5949
10.1002 / cpe.5949
]
[
49
凌年代urname>
Y。
周年代urname>
Y。
罗年代urname>
Q。
利维飞行trajectory-based鲸鱼优化全局优化算法一个rt我cle-title>
IEEE访问我t一个l我c>
2017年
5
6168年
6186年
10.1109 / access.2017.2695498
2 - s2.0 - 85028003020
]
[
50
周年代urname>
Y。
妞妞年代urname>
Y。
罗年代urname>
Q。
江年代urname>
M。
教学上优于鲸鱼优化算法对多层感知器神经网络的训练一个rt我cle-title>
数学生物科学与工程我t一个l我c>
2020年
17
5我年代年代ue>
5987年
6025年
10.3934 / mbe.2020319
]
[
51
妞妞年代urname>
Y。
周年代urname>
Y。
罗年代urname>
Q。
基于集成建模与优化星传感器校准混合WOA-LM算法一个rt我cle-title>
《智能与模糊系统我t一个l我c>
2020年
38
3我年代年代ue>
2683年
2691年
10.3233 /出售jif - 179554
]
[
52
罗年代urname>
Q。
凌年代urname>
Y。
周年代urname>
Y。
修改鲸鱼不定式脉冲响应系统识别的优化算法一个rt我cle-title>
阿拉伯科学与工程》杂志上我t一个l我c>
2020年
45
3我年代年代ue>
2163年
2176年
10.1007 / s13369 - 019 - 04093 - 1
2 - s2.0 - 85071227314
]
[
53
长年代urname>
W。
吴年代urname>
T。
焦年代urname>
J。
唐年代urname>
M。
徐年代urname>
M。
Refraction-learning-based鲸鱼优化算法对于高维问题和光伏模型的参数估计一个rt我cle-title>
人工智能技术的工程应用我t一个l我c>
2020年
89年
103457年
10.1016 / j.engappai.2019.103457
]
[
54
熊年代urname>
G。
张年代urname>
J。
史年代urname>
D。
他年代urname>
Y。
太阳能光伏模型的参数提取鲸鱼使用一种改进的优化算法一个rt我cle-title>
能量转换和管理我t一个l我c>
2018年
174年
388年
405年
10.1016 / j.enconman.2018.08.053
2 - s2.0 - 85051621834
]
[
55
Elazab年代urname>
o年代。
Hasanien年代urname>
h . M。
Elgendy年代urname>
m·A。
Abdeen年代urname>
a . M。
参数估计的单量和多个二极管使用鲸鱼光伏模型优化算法一个rt我cle-title>
专业可再生发电我t一个l我c>
2018年
12
15我年代年代ue>
1755年
1761年
10.1049 / iet-rpg.2018.5317
2 - s2.0 - 85055807429
]
[
56
奥利瓦年代urname>
D。
Abd El阿齐兹年代urname>
M。
艾拉Hassanien年代urname>
一个。
参数估计的鲸鱼光伏电池使用一种改进的混沌优化算法一个rt我cle-title>
应用能源我t一个l我c>
2017年
200年
141年
154年
10.1016 / j.apenergy.2017.05.029
2 - s2.0 - 85032814899
]
[
57
胡年代urname>
J。
程ydF4y2Ba
H。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
正交学习缺陷的协方差矩阵灰太狼优化器:洞察力、平衡、多样性、和特征选择一个rt我cle-title>
以知识为基础的系统我t一个l我c>
2020年
213年
106684年
10.1016 / j.knosys.2020.106684
]
[
58
妞妞年代urname>
Q。
张年代urname>
H。
李年代urname>
K。
一种改进TLBO精英策略参数PEM燃料电池和太阳能电池模型的识别一个rt我cle-title>
国际期刊的氢能源我t一个l我c>
2014年
39
8我年代年代ue>
3837年
3854年
10.1016 / j.ijhydene.2013.12.110
2 - s2.0 - 84894042693
]
[
59
任年代urname>
G。
杨年代urname>
R。
杨年代urname>
R。
郑年代urname>
P。
分数阶非线性系统参数估计方法基于改进鲸鱼优化算法一个rt我cle-title>
现代物理学字母B我t一个l我c>
2019年
33
7我年代年代ue>
10.1142 / s0217984919500751
2 - s2.0 - 85062349086
]
[
60
郭年代urname>
W。
刘年代urname>
T。
戴年代urname>
F。
徐年代urname>
P。
一种改进的鲸鱼特征选择的优化算法一个rt我cle-title>
电脑,材料和连续我t一个l我c>
2020年
62年
1我年代年代ue>
337年
354年
10.32604 / cmc.2020.06411
]
[
61年
Agrawal年代urname>
r·K。
考尔年代urname>
B。
沙玛年代urname>
年代。
基于量子鲸鱼优化包装特征选择算法一个rt我cle-title>
应用软计算我t一个l我c>
2020年
89年
10.1016 / j.asoc.2020.106092
]
[
62年
Strumberger年代urname>
我。
Bacanin年代urname>
N。
大号年代urname>
M。
大号年代urname>
E。
在云计算资源调度基于杂化鲸鱼优化算法一个rt我cle-title>
应用科学我t一个l我c>
2019年
9
22我年代年代ue>
10.3390 / app9224893
]
[
63年
Nasiri年代urname>
J。
Khiyabani年代urname>
f·M。
一头鲸鱼优化算法(WOA)聚类方法一个rt我cle-title>
有说服力的数学我t一个l我c>
2018年
5
1我年代年代ue>
10.1080 / 25742558.2018.1483565
]
[
64年
程ydF4y2Ba
H。
徐年代urname>
Y。
王年代urname>
M。
赵年代urname>
X。
一个平衡的鲸鱼约束工程设计问题的优化算法一个rt我cle-title>
应用数学建模我t一个l我c>
2019年
71年
45
59
10.1016 / j.apm.2019.02.004
2 - s2.0 - 85061809097
]
[
65年
罗年代urname>
J。
程ydF4y2Ba
H。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
徐年代urname>
Y。
张年代urname>
Q。
李年代urname>
C。
多策略提高了变whale-inspired优化方法一个rt我cle-title>
应用数学建模我t一个l我c>
2019年
73年
109年
123年
10.1016 / j.apm.2019.03.046
2 - s2.0 - 85064213421
]
[
66年
王年代urname>
M。
程ydF4y2Ba
H。
混乱multi-swarm鲸鱼优化器提高了支持向量机用于医疗诊断一个rt我cle-title>
应用软计算我t一个l我c>
2020年
88年
105946年
10.1016 / j.asoc.2019.105946
]
[
67年
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
Aljarah年代urname>
我。
法里斯年代urname>
H。
程ydF4y2Ba
H。
罗年代urname>
J。
Mirjalili年代urname>
年代。
一个增强的关联上优于探索性鲸鱼全局优化的优化器一个rt我cle-title>
神经计算和应用我t一个l我c>
2020年
32
9我年代年代ue>
5185年
5211年
10.1007 / s00521 - 019 - 04015 - 0
2 - s2.0 - 85061041514
]
[
68年
Haklı年代urname>
H。
Uğuz年代urname>
H。
一种新的粒子群优化算法与征收飞行一个rt我cle-title>
应用软计算我t一个l我c>
2014年
23
333年
345年
10.1016 / j.asoc.2014.06.034
2 - s2.0 - 84904578549
]
[
69年
张年代urname>
H。
谢年代urname>
J。
胡年代urname>
Q。
邵年代urname>
l
程ydF4y2Ba
T。
混合DPSO与利维飞行调度MIMO雷达的任务一个rt我cle-title>
应用软计算我t一个l我c>
2018年
71年
242年
254年
10.1016 / j.asoc.2018.06.028
2 - s2.0 - 85049658396
]
[
70年
Chegini年代urname>
s . N。
阿訇年代urname>
一个。
纳杰菲年代urname>
F。
PSOSCALF:一种新的混合算法基于正弦余弦算法和利维飞行求解优化问题一个rt我cle-title>
应用软计算我t一个l我c>
2018年
73年
697年
726年
10.1016 / j.asoc.2018.09.019
2 - s2.0 - 85054270796
]
[
71年
Jensi年代urname>
R。
集集年代urname>
g·W。
一个增强粒子群优化全局优化的利维飞行一个rt我cle-title>
应用软计算我t一个l我c>
2016年
43
248年
261年
10.1016 / j.asoc.2016.02.018
2 - s2.0 - 84960116481
]
[
72年
Easwarakhanthan年代urname>
T。
Bottin年代urname>
J。
Bouhouch年代urname>
我。
Boutrit年代urname>
C。
非线性最小化算法确定太阳能电池参数与微型计算机一个rt我cle-title>
国际太阳能杂志》上我t一个l我c>
1986年
4
1我年代年代ue>
1
12
10.1080 / 01425918608909835
2 - s2.0 - 84888400237
]
[
73年
程ydF4y2Ba
Z。
吴年代urname>
l
凌ydF4y2Ba
P。
吴年代urname>
Y。
程年代urname>
年代。
光伏模型的参数识别使用混合自适应基于鹰Nelder-Mead单纯形算法的策略一个rt我cle-title>
应用能源我t一个l我c>
2016年
182年
47
57
10.1016 / j.apenergy.2016.08.083
2 - s2.0 - 84983735896
]
[
74年
高年代urname>
X。
崔年代urname>
Y。
胡年代urname>
J。
太阳能电池模型的参数提取使用改进的复杂的进化算法一个rt我cle-title>
能量转换和管理我t一个l我c>
2018年
157年
460年
479年
10.1016 / j.enconman.2017.12.033
2 - s2.0 - 85037868324
]
[
75年
黄年代urname>
W。
太阳能电池模型参数提取基于混沌粒子群算法一个rt我cle-title>
《2011年国际会议上电子信息与控制工程
2011年4月
武汉,中国
]
[
76年
Dkhichi年代urname>
F。
Oukarfi年代urname>
B。
Fakkar年代urname>
一个。
Belbounaguia年代urname>
N。
太阳能电池模型的参数识别使用Levenberg-Marquardt算法结合模拟退火一个rt我cle-title>
太阳能我t一个l我c>
2014年
110年
781年
788年
10.1016 / j.solener.2014.09.033
2 - s2.0 - 84910684516
]
[
77年
程ydF4y2Ba
H。
焦年代urname>
年代。
王年代urname>
M。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
赵年代urname>
X。
参数识别的光伏电池和模块使用diversification-enriched哈里斯鹰与混沌driftse优化一个rt我cle-title>
《清洁生产我t一个l我c>
2020年
244年
118778年
10.1016 / j.jclepro.2019.118778
2 - s2.0 - 85073734744
]
[
78年
程ydF4y2Ba
X。
余年代urname>
K。
杜年代urname>
W。
赵年代urname>
W。
刘年代urname>
G。
太阳能电池模型的参数识别使用基于广义对立学习教学的优化一个rt我cle-title>
能源我t一个l我c>
2016年
99年
170年
180年
10.1016 / j.energy.2016.01.052
2 - s2.0 - 84962360167
]
[
79年
普拉萨德年代urname>
D。
穆克吉年代urname>
一个。
Shankar年代urname>
G。
穆克吉年代urname>
V。
应用混沌鲸鱼优化为暂态稳定约束最优潮流算法一个rt我cle-title>
专业科学、测量及技术我t一个l我c>
2017年
11
8我年代年代ue>
1002年
1013年
10.1049 / iet-smt.2017.0015
2 - s2.0 - 85033401174
]
[
80年
El-Naggar年代urname>
k . M。
AlRashidi年代urname>
m·R。
AlHajri年代urname>
m F。
Al-Othman年代urname>
答:K。
模拟退火算法的光电参数识别一个rt我cle-title>
太阳能我t一个l我c>
2012年
86年
1我年代年代ue>
266年
274年
10.1016 / j.solener.2011.09.032
2 - s2.0 - 84855190625
]
[
81年
Askarzadeh年代urname>
一个。
Rezazadeh年代urname>
一个。
太阳能电池模型的参数识别利用和声搜索算法一个rt我cle-title>
太阳能我t一个l我c>
2012年
86年
11我年代年代ue>
3241年
3249年
10.1016 / j.solener.2012.08.018
2 - s2.0 - 84866534835
]
[
82年
Chegaar年代urname>
M。
Nehaoua年代urname>
N。
Bouhemadou年代urname>
一个。
有机和无机太阳能电池参数评价单一电流-电压阴谋一个rt我cle-title>
能量转换和管理我t一个l我c>
2008年
49
6我年代年代ue>
1376年
1379年
10.1016 / j.enconman.2008.01.002
2 - s2.0 - 42749094339
]
[
83年
元年代urname>
X。
他年代urname>
Y。
刘年代urname>
l
太阳能电池模型的参数提取使用混乱的无性生殖的优化一个rt我cle-title>
神经计算和应用我t一个l我c>
2015年
26
5我年代年代ue>
1227年
1239年
10.1007 / s00521 - 014 - 1795 - 6
2 - s2.0 - 84930481650
]
[
84年
Tubishat年代urname>
M。
Abushariah年代urname>
M·a . M。
伊德里斯年代urname>
N。
Aljarah年代urname>
我。
改善鲸鱼优化算法的特征选择阿拉伯语情绪分析一个rt我cle-title>
应用智能我t一个l我c>
2019年
49
5我年代年代ue>
1688年
1707年
10.1007 / s10489 - 018 - 1334 - 8
2 - s2.0 - 85057306052
]
[
85年
王年代urname>
Y。
职业建议基于学生成绩挖掘职业技能培训一个rt我cle-title>
学报2014年11日国际会议上模糊系统和知识发现(FSKD 2014)
2014年8月
厦门,中国
]
[
86年
首歌年代urname>
年代。
王年代urname>
P。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
尺寸决定哈里斯鹰优化高斯变异:平衡分析和多样性的模式一个rt我cle-title>
以知识为基础的系统我t一个l我c>
2020年
215年
106425年
10.1016 / j.knosys.2020.106425
]
[
87年
赵年代urname>
D。
刘年代urname>
l
余年代urname>
F。
水平和垂直交叉搜索蚁群优化:、图像分割的基本设想一个rt我cle-title>
专家系统与应用程序我t一个l我c>
2020年
在新闻
114122年
10.1016 / j.eswa.2020.114122
]
[
88年
赵年代urname>
D。
刘年代urname>
l
余年代urname>
F。
混沌随机备用蚁群优化、2 d Kapur熵的图像分割一个rt我cle-title>
以知识为基础的系统我t一个l我c>
2020年
在新闻
106510年
10.1016 / j.knosys.2020.106510
]
[
89年
张年代urname>
Y。
刘年代urname>
R。
Hedari年代urname>
答:一个。
对增强内核极端学习破产预测模型:算法行为和综合分析一个rt我cle-title>
Neurocomputing我t一个l我c>
2020年
在新闻
10.1016 / j.neucom.2020.10.038
]
[
90年
王年代urname>
X。
程ydF4y2Ba
H。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
Multi-population行为驱动后果蝇优化:一个马尔可夫链收敛性证明和综合分析一个rt我cle-title>
以知识为基础的系统我t一个l我c>
2020年
210年
106437年
10.1016 / j.knosys.2020.106437
]
[
91年
你年代urname>
J。
程ydF4y2Ba
H。
刘年代urname>
J。
biogeography-based鲸鱼进化优化方法与通信结构:对测量平衡一个rt我cle-title>
以知识为基础的系统我t一个l我c>
2020年
在新闻
106642年
10.1016 / j.knosys.2020.106642
]
[
92年
程ydF4y2Ba
H。
徐年代urname>
Y。
王年代urname>
M。
赵年代urname>
X。
一个平衡的鲸鱼约束工程设计问题的优化算法一个rt我cle-title>
应用数学建模我t一个l我c>
2019年
71年
45
59
10.1016 / j.apm.2019.02.004
2 - s2.0 - 85061809097
]
[
93年
Al-Betar年代urname>
m·A。
Awadallah年代urname>
m·A。
Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
答:一个。
程ydF4y2Ba
H。
Al-khraisat年代urname>
H。
李年代urname>
C。
生存探索哈里斯鹰优化策略一个rt我cle-title>
专家系统与应用程序我t一个l我c>
2020年
在新闻
114243年
10.1016 / j.eswa.2020.114243
]
[
94年
罗年代urname>
J。
程ydF4y2Ba
H。
张年代urname>
Q。
徐年代urname>
Y。
一种改进的蚱蜢优化算法与应用金融压力的预测一个rt我cle-title>
应用数学建模我t一个l我c>
2018年
64年
654年
668年
10.1016 / j.apm.2018.07.044
2 - s2.0 - 85051981794
]
[
95年
程ydF4y2Ba
H。
王年代urname>
M。
赵年代urname>
X。
多策略增强正弦余弦算法全局优化和约束实际工程问题一个rt我cle-title>
应用数学和计算我t一个l我c>
2020年
369年
124872年
10.1016 / j.amc.2019.124872
]
[
96年
程ydF4y2Ba
H。
李年代urname>
年代。
Asghar Heidari对伊朗伊斯兰共和国通讯社表示年代urname>
一个。
高效multi-population前哨水果fly-driven优化:框架和支持向量机的进步一个rt我cle-title>
专家系统与应用程序我t一个l我c>
2020年
142年
112999年
10.1016 / j.eswa.2019.112999
]
[
97年
沈年代urname>
l
程ydF4y2Ba
H。
余年代urname>
Z。
进化支持向量机使用果蝇优化医疗数据分类一个rt我cle-title>
以知识为基础的系统我t一个l我c>
2016年
96年
61年
75年
10.1016 / j.knosys.2016.01.002
2 - s2.0 - 84957899510
]
[
98年
王年代urname>
M。
程ydF4y2Ba
H。
杨年代urname>
B。
向最优内核极端的学习机器使用混乱moth-flame优化策略应用在医学诊断一个rt我cle-title>
Neurocomputing我t一个l我c>
2017年
267年
69年
84年
10.1016 / j.neucom.2017.04.060
2 - s2.0 - 85019950299
]
[
99年
夏年代urname>
J。
程ydF4y2Ba
H。
李年代urname>
Q。
Ultrasound-based分化的恶性和良性甲状腺结节:一个极端的学习机器的方法一个rt我cle-title>
计算机在生物医学方法和项目我t一个l我c>
2017年
147年
37
49
10.1016 / j.cmpb.2017.06.005
2 - s2.0 - 85021354545
]
[
One hundred.
程ydF4y2Ba
H.-L。
王年代urname>
G。
马年代urname>
C。
蔡年代urname>
Z.-N。
刘年代urname>
W.-B。
王年代urname>
S.-J。
一个高效的混合内核极端学习机帕金森׳年代疾病的早期诊断方法一个rt我cle-title>
Neurocomputing我t一个l我c>
2016年
184年
131年
144年
10.1016 / j.neucom.2015.07.138
2 - s2.0 - 84950341558
]
[
101年
胡年代urname>
l
在香港年代urname>
G。
马年代urname>
J。
王年代urname>
X。
程ydF4y2Ba
H。
一个有效的机器学习方法诊断paraquat-poisoned病人一个rt我cle-title>
计算机在生物学和医学我t一个l我c>
2015年
59
116年
124年
10.1016 / j.compbiomed.2015.02.003
2 - s2.0 - 84923046261
]
[
102年
王年代urname>
S.-J。
程ydF4y2Ba
H.-L。
杨ydF4y2Ba
W.-J。
程ydF4y2Ba
中州。
傅年代urname>
X。
人脸识别和微识别判别张量子空间分析的基础上加上极端的学习机器一个rt我cle-title>
神经处理信件我t一个l我c>
2014年
39
1我年代年代ue>
25
43
10.1007 / s11063 - 013 - 9288 - 7
2 - s2.0 - 84893660275
]
[
103年
赵年代urname>
X。
张年代urname>
X。
蔡年代urname>
Z。
混乱增强灰太狼优化包装榆树paraquat-poisoned患者的诊断一个rt我cle-title>
计算生物学和化学我t一个l我c>
2019年
78年
481年
490年
10.1016 / j.compbiolchem.2018.11.017
2 - s2.0 - 85057279588
]
[
104年
张年代urname>
X。
王年代urname>
T。
王年代urname>
J。
唐年代urname>
G。
关注网络形象dehazing金字塔基于通道特性一个rt我cle-title>
计算机视觉和图像理解我t一个l我c>
2020年
197年
198年
103003年
10.1016 / j.cviu.2020.103003
]
[
105年
李年代urname>
Y。
崔年代urname>
W.-G。
黄年代urname>
H。
郭年代urname>
Y.-Z。
李年代urname>
K。
唐ydF4y2Ba
T。
癫痫发作在脑电图检测信号使用稀疏多尺度径向基函数网络和费舍尔向量的方法一个rt我cle-title>
以知识为基础的系统我t一个l我c>
2019年
164年
96年
106年
10.1016 / j.knosys.2018.10.029
2 - s2.0 - 85055887576
]
[
106年
李年代urname>
Y。
刘年代urname>
J。
唐年代urname>
Z。
Lei年代urname>
B。
深度时空特征融合的自适应动态功能连通性MCI识别一个rt我cle-title>
IEEE医学成像我t一个l我c>
2020年
39
9我年代年代ue>
2818年
2830年
10.1109 / TMI.2020.2976825
]
[
107年
邓年代urname>
W。
刘年代urname>
H。
徐年代urname>
J。
赵年代urname>
H。
一种改进的量子激发微分进化算法所深深的信念网络一个rt我cle-title>
IEEE仪表和测量我t一个l我c>
2020年
99年
1我年代年代ue>
10.1109 / TIM.2020.2983233
]
[
108年
刘年代urname>
D。
王年代urname>
年代。
黄年代urname>
D。
邓年代urname>
G。
曾年代urname>
F。
程ydF4y2Ba
H。
医学图像分类使用空间相邻直方图基于自适应局部二进制模式一个rt我cle-title>
计算机在生物学和医学我t一个l我c>
2016年
72年
185年
200年
10.1016 / j.compbiomed.2016.03.010
2 - s2.0 - 84962145354
]
[
109年
张年代urname>
X。
徐年代urname>
Y。
余年代urname>
C。
高斯突变混乱水果fly-built优化和特征选择一个rt我cle-title>
专家系统与应用程序我t一个l我c>
2020年
141年
112976年
10.1016 / j.eswa.2019.112976
]
[
110年
张年代urname>
Y。
刘年代urname>
R。
王年代urname>
X。
程ydF4y2Ba
H。
李年代urname>
C。
提高二进制哈里斯鹰优化和特征选择一个rt我cle-title>
与计算机工程我t一个l我c>
2020年
在新闻
10.1007 / s00366 - 020 - 01028 - 5
]
[
111年
赵年代urname>
X。
李年代urname>
D。
杨年代urname>
B。
马年代urname>
C。
朱年代urname>
Y。
程ydF4y2Ba
H。
特征选择基于改进蚁群优化在线检测的外国在棉花纤维一个rt我cle-title>
应用软计算我t一个l我c>
2014年
24
585年
596年
10.1016 / j.asoc.2014.07.024
2 - s2.0 - 84907312287
]
[
112年
赵年代urname>
X。
李年代urname>
D。
杨年代urname>
B。
一个两阶段的特征选择方法及其应用一个rt我cle-title>
计算机与电气工程我t一个l我c>
2015年
47
114年
125年
10.1016 / j.compeleceng.2015.08.011
2 - s2.0 - 84955269715
]
[
113年
李年代urname>
C。
侯年代urname>
l
沙玛年代urname>
b . Y。
开发一种新的智能系统对结核性胸腔积液的诊断一个rt我cle-title>
计算机在生物医学方法和项目我t一个l我c>
2018年
153年
211年
225年
10.1016 / j.cmpb.2017.10.022
2 - s2.0 - 85032184567
]
[
114年
程ydF4y2Ba
Z。
陆年代urname>
M。
周年代urname>
Y。
程ydF4y2Ba
C。
基于信息协同熵特征信息融合识别在铝电解的操作条件一个rt我cle-title>
信息科学我t一个l我c>
2021年
548年
275年
294年
10.1016 / j.ins.2020.07.031
]
[
115年
雪年代urname>
X。
王年代urname>
年代。
张年代urname>
l
冯年代urname>
Z。
郭年代urname>
Y。
社会学习进化(SLE):计算experiment-based社会制造的建模框架一个rt我cle-title>
IEEE工业信息我t一个l我c>
2019年
15
6我年代年代ue>
3343年
3355年
10.1109 / tii.2018.2871167
2 - s2.0 - 85053622286
]
[
116年
王年代urname>
D。
梁年代urname>
Y。
徐年代urname>
D。
冯年代urname>
X。
关年代urname>
R。
计算机科学出版物的基于内容的推荐系统一个rt我cle-title>
以知识为基础的系统我t一个l我c>
2018年
157年
1
9
10.1016 / j.knosys.2018.05.001
2 - s2.0 - 85047834862
]
[
117年
关年代urname>
R。
张年代urname>
H。
梁年代urname>
Y。
Giunchiglia年代urname>
F。
黄年代urname>
l
冯年代urname>
X。
基于功能的文本聚类和它的解释一个rt我cle-title>
IEEE工程知识和数据我t一个l我c>
2020年
1
在新闻
10.1109 / tkde.2020.3028943
]
[
118年
杨年代urname>
C。
Bruzzone年代urname>
l
赵年代urname>
H。
唐ydF4y2Ba
Y。
关年代urname>
R。
Superpixel-based无人监督的波段选择高光谱图像的分类一个rt我cle-title>
IEEE地球科学和遥感我t一个l我c>
2018年
56
12我年代年代ue>
7230年
7245年
10.1109 / tgrs.2018.2849443
2 - s2.0 - 85057404960
]