增强社会学习群优化器

光伏参数更可靠

通过非线性控制与交互学习，在光伏模型参数估计中表现出更稳定的收敛性与竞争力。

Lingyun, Deng · 刘三阳

Computers in Industry 2025

技术优势

收敛有保证

利用非停滞分布假设，获得了保证基础SLPSO稳定性的充要条件。

平衡收敛与多样性

引入非线性控制系数来平衡收敛性与多样性。

保持种群多样性

设计交互学习机制以保持种群多样性。

结果稳健且具竞争力

与现有先进方法相比，统计结果凸显了ESLPSO的稳健性与竞争力。

应用场景

• 光伏模型参数估计：为光伏模型提供更可靠的参数估计，提升拟合精度。
• 光伏系统设计：用于光伏系统设计中的参数提取，改善系统性能预测。
• 优化算法应用：应用于复杂优化问题，获得更稳定的全局最优解。
• 工程优化：为工程优化提供稳定高效的求解器，降低调参难度。