广义正态分布优化算法及其在光伏模型参数提取中的应用

---

1.摘要

光伏模型未知参数提取的准确性直接关系到光伏系统建模、仿真和控制的有效性。本文提出了一种新的元启发式算法，称为广义正态分布优化算法，该方法受到广义正态分布模型的启发；每个个体使用广义正态分布曲线来更新其位置。与大多数元启发式算法不同，所提出的方法只需要基本的种群大小和终止条件就可以解决优化问题。

2.算法原理

GNDO的灵感来自于正态分布理论，其概率密度函数可表示为:
$$f(x)=\frac{1}{\sqrt{2\pi }\delta }exp(-\frac{(x-\mu {)}^2}{2{\delta }^2})$$

GNDO中设计的信息共享策略包括局部开发和全局探索。局部开发基于建立的广义正态分布模型，该模型以当前平均位置和当前最优位置为指导，全局探索与三个随机选择的个体有关。

局部开发

局部开发是指在由所有个体当前位置组成的搜索空间周围寻找更好解决方案的过程。基于种群中个体的分布与正态分布之间的关系，可以通过以下方式构建一个用于优化的广义正态分布模型：
$$v_i^t={\mu }_i+{\delta }_i\times \eta ,i=1,2,3,...,N$$
其中vi为第i个个体在t时刻的轨迹向量，μi为第i个个体的广义平均位置，δi为广义标准差，η为惩罚因子。μi、δi和η可以定义为:
$$\begin{array}{rl}& {\mu }_i=\frac{1}{3}\left({\mathbf{x}}_i^t+{\mathbf{x}}_{\mathrm{Best}}^t+\mathbf{M}\right)\\ & {\delta }_i=\sqrt{\frac{1}{3}\left[{\left({\mathbf{x}}_i^t-\mu \right)}^2+{\left({\mathbf{x}}_{\mathrm{Best}}^t-\mu \right)}^2+{\left(\mathbf{M}-\mu \right)}^2\right]}\\ & \eta =\{\begin{array}{ll}\sqrt{-log({\lambda }_1)}& \times cos(2\pi {\lambda }_2),\mathrm{if}a<=b\\ \sqrt{-log({\lambda }_1)}& \times cos(2\pi {\lambda }_2+\pi ),\mathrm{otherwise}\end{array}\end{array}$$

全局探索

全局探索是指全面搜索一个空间以找到有前景的区域，GNDO中的全局探索是基于三个随机选择的个体，可以表达为：
$$\begin{array}{cccc}{\mathbf{v}}_i^{\prime }={\mathbf{x}}_i^{\prime }& +& \underset{\text{Local information sharing}}{\underbrace{\beta \times (|{\lambda }_3|\times {\mathbf{v}}_1)}}& +\underset{\text{Global information sharing}}{\underbrace{(1-\beta )\times (|{\lambda }_4|\times {\mathbf{v}}_2)}}\end{array}$$
v1和v2是两个跟踪向量:
$${\mathbf{v}}_1=\{\begin{array}{c}{\mathbf{x}}_i^t-{\mathbf{x}}_{\text{p}1}^t,\text{if}f({\mathbf{x}}_i^t)<f({\mathbf{x}}_{\text{p}1}^t)\\ {\mathbf{x}}_{\text{p}1}^t-{\mathbf{x}}_i^t,\text{otherwise}\end{array}$$
$${\mathbf{v}}_2=\{\begin{array}{l}{\mathbf{x}}_{\text{p}2}^t-{\mathbf{x}}_{\text{p}3}^t,\text{if}f({\mathbf{x}}_{\text{p}2}^t)<f({\mathbf{x}}_{\text{p}3}^t)\\ {\mathbf{x}}_{\text{p}3}^t-{\mathbf{x}}_{\text{p}2}^t,\text{otherwise}\end{array}$$

伪代码

3.结果展示

4.参考文献

[1] Zhang Y, Jin Z, Mirjalili S. Generalized normal distribution optimization and its applications in parameter extraction of photovoltaic models[J]. Energy Conversion and Management, 2020, 224: 113301.

5.代码获取