TY - Jour A2 - Wen，Huiqing Au - Kucukoglu，Ilker Py - 2019 DA - 2019年DA - 2019/06/03太阳能电池参数识别问题SP - 4692108 VL - 2019 AB - 太阳能电池参数识别问题（SCPIP）是可再生能源领域中最多研究的优化问题之一，因为模型参数的准确估计起到提高其效率的重要作用。SCPIP旨在通过估计在电流与电压之间产生精确近似的太阳能电池的最佳参数值来优化太阳能电池的性能 一世 - V. ） 测量。为了有效地解决SCPIP，本文介绍了电磁场优化（EFO）算法的自适应变体，命名为Adaptive EFO（AEFO）。EFO模拟具有不同极性的电磁颗粒之间的吸引力排斥机制。EFO背后的主要思想是通过吸引排斥力和金色比导导向电磁粒子朝向全球最佳。与EFO不同，AEFO使用自适应搜索过程搜索解决方案空间。在自适应搜索策略中，更好的解决方案的选择概率适自适应地增加，而在整个搜索进度中减少了更糟糕的解决方案的选择概率。通过采用自适应策略，AEFO能够更有效地维持勘探和利用之间的平衡。此外，提出了候选电磁铁的新边界控制和随机化程序。为了确定所提出的算法的性能，在计算研究中考虑了两个不同的基准问题。首先，在全局优化基准功能上执行AEFO并与EFO相比。 The efficiency of the AEFO is identified by statistical significance tests. Then, the AEFO is implemented on a well-known SCPIP benchmark problem set formed as a result of real-life physical experiments based on single- and double-diode models. To validate the performance of the AEFO on the SCPIP, extensive experiments are carried out, where the AEFO is tested against the original EFO, AEFO variants, and novel metaheuristic algorithms. Results of the computational studies reveal that the AEFO exhibits superior performance and outperforms other competitor algorithms. SN - 1110-662X UR - https://doi.org/10.1155/2019/4692108 DO - 10.1155/2019/4692108 JF - International Journal of Photoenergy PB - Hindawi KW - ER -