文献

J-GLOBAL ID：202202257477063372   整理番号：22A1115629

エリートおよびオブソレート動的学習に基づく微分進化アルゴリズムを用いた太陽光発電モデルのパラメータ同定【JST・京大機械翻訳】

Parameters identification of photovoltaic models using a differential evolution algorithm based on elite and obsolete dynamic learning

著者 (20件)： Zhou Junfeng (School of Electrical Engineering, Zhengzhou University, Zhengzhou 450001, China) ,  Zhou Junfeng (Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Zhou Junfeng (Guangdong Provincial Key Lab of Robotics and Intelligent System, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, China) ,  Zhou Junfeng (CAS Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institute of Advanced Technology, China) ,  Zhang Yanhui (Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Zhang Yanhui (Guangdong Provincial Key Lab of Robotics and Intelligent System, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, China) ,  Zhang Yanhui (CAS Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institute of Advanced Technology, China) ,  Zhang Yanhui (University of Chinese Academy of Sciences, Beijing, China) ,  Zhang Yubo (School of Electrical Engineering, Zhengzhou University, Zhengzhou 450001, China) ,  Shang Wen-Long (Beijing Key Laboratory of Traffic Engineering, College of Metropolitan Transportation, Beijing University of Technology, Beijing, China) ,  Shang Wen-Long (School of Traffic and Transportation, Beijing Jiaotong University, Beijing, China) ,  Shang Wen-Long (Centre for Transport Studies, Imperial College London, London, United Kingdom) ,  Yang Zhile (Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Yang Zhile (Guangdong Provincial Key Lab of Robotics and Intelligent System, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, China) ,  Yang Zhile (CAS Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institute of Advanced Technology, China) ,  Yang Zhile (University of Chinese Academy of Sciences, Beijing, China) ,  Feng Wei (Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Feng Wei (Guangdong Provincial Key Lab of Robotics and Intelligent System, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, China) ,  Feng Wei (CAS Key Laboratory of Human-Machine Intelligence-Synergy Systems, Shenzhen Institute of Advanced Technology, China) ,  Feng Wei (University of Chinese Academy of Sciences, Beijing, China)
資料名： Applied Energy  (Applied Energy)
巻： 314  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 光起電力(PV)セルの性能は,モデル構造と対応するパラメータによって影響を受ける。しかし,これらのパラメータは調整可能で,可変であり,PV発電の効率と有効性に関して利用可能な役割を果たす。強い非線形特性のため,既存のPVモデルパラメータ同定法は,正確な解を容易に得ることができない。これに取り組むために,本論文では,DOLADEという動的逆学習戦略(DOL)を用いた適応微分進化アルゴリズムを提案した。DOLADEにおいて,逆の学習方法は,現在のエリート母集団と貧弱な性能の母集団を拡大して,粒子の探査能力を改良した。粒子作業の過程において,粒子の探索面積は動的に調整され,粒子の開発能力が強化される。異なるタイプのPVの実験データをそれぞれ試験した。3つのPVモデルを用いて,新しい戦略の精度と有効性を検証した。提案したDOLADEをいくつかの一般的な先進アルゴリズムと比較し,包括的な実験結果を示した。結果は,DOLADEが各PVセルモデルの最適パラメータを抽出し,精度,信頼性,および計算効率の点で大きな競争をもたらすことを示す。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  光起電力 ,  *学習 ,  信頼性 ,  *システム同定 ,  *発電 ,  *モデル ,  *太陽光発電 ,  母集団 ,  *パラメータ
準シソーラス用語： *パラメータ同定 ,  計算効率 ,  モデルパラメータ ,  最適パラメータ ,  *微分進化 ,  *微分進化アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 太陽光発電モデル ,  パラメータ同定 ,  動的反対学習 ,  微分進化 ,  太陽エネルギー

分類 (2件)： 電力系統一般  (NB02000E) ,  太陽光発電  (NB03090G)

タイトルに関連する用語 (5件)： 学習 ,  微分進化アルゴリズム ,  太陽光発電 ,  モデル ,  パラメータ同定