基于停滞改进自适应差分进化的光伏模型参数辨识方法及其在可再生能源优化中的应用

《Engineering Applications of Artificial Intelligence》：Stagnation Improved Adaptive Differential Evolution for photovoltaic model parameter identification

本文提出一种停滞改进自适应差分进化（SIADE）算法，通过基于欧氏距离的两阶段参数自适应策略、融合个体排序因子与空间距离的改进自适应变异框架，以及基于莱维飞行的停滞处理机制，显著提升光伏（PV）模型参数辨识精度与稳定性。该算法在CEC2014/2017/2022基准函数和多种光伏模型（SDM/DDM/TDM/QDM）上验证了其优越性，为可再生能源系统的优化提供了新思路。

　　

Highlight

本文提出了一种创新的停滞改进自适应差分进化（SIADE）算法，通过三方面核心改进有效解决光伏模型参数辨识中的优化难题：首先，基于欧氏距离的两阶段参数自适应策略（Two-stage Parameter Adaptation）在算法早期生成更大步长，强化全局探索能力；其次，改进的自适应变异框架（Adaptive Mutation Framework）综合个体排序因子和欧氏距离，动态选择最优变异策略；最后，基于莱维飞行（Lévy Flight）的停滞个体跳跃机制，通过空间跳跃帮助个体逃离局部最优。实验证明SIADE在72个CEC基准函数和五种光伏模型中均表现出显著竞争力。

Conclusion

为充分利用种群迭代过程中的有效信息并缓解后期停滞问题，我们提出的SIADE算法引入了基于进化排序因子和个体间欧氏距离的评估指标，更全面地考量个体进化状态及其在解空间的分布。该算法在光伏模型参数识别和通用基准函数优化中均展现出卓越性能，为复杂优化问题提供了新解决方案。

CRediT Authorship Contribution Statement

Shengke Lin:初稿撰写、软件实现、方法论、数据整理。

Huarong Xu:审阅编辑、监督指导、方法论构建。

Declaration of Competing Interest

作者声明不存在任何可能影响本研究成果的已知竞争性财务利益或个人关系。

Acknowledgments

本研究得到国家自然科学基金（项目号U1805264）、福建省科技厅产业技术开发与应用计划引导项目（2022Y0077/2023Y6004/3502ZCQXT2021009）、福建省科技厅重大专项（2022YZ040011）及福建省公安科技创新基金（2024YZ040001）资助。