如今，光伏(PV)系统正在产生相当大的电能。光伏电池和模块的参数估计是一个热门的研究课题，在建模PV系统中起着重要的作用。这一问题通常转化为优化问题，并通过元启发式优化算法来解决。在元启发式优化算法中，粒子群优化(PSO)是一种受欢迎的基于铅的随机优化算法。然而，过早收敛是PSO的主要缺点，它不允许它在诸如PV单元/模块参数估算等多模式问题上提供高质量的解决方案。在PSO中，所有的粒子都被拉向领导者，因此领导者可以显著地影响粒子的集体性能。一个高质量的领导可以把所有的粒子都拉到搜索空间的好区域，反之亦然。因此，在这个研究中，使用了改进的PSO变体，并使用了增强的领导人PSO(ELPSO)。在ELPSO中，通过五阶段连续的突变策略来提高领导者的地位，在PV单元/模块参数估计问题上实现了更精确的电路模型参数，从而减轻了早熟收敛问题。RTC法国硅太阳能电池、stm6-40/36模块采用单晶细胞和PVM 752 GaAs薄膜电池作为研究的案例。对不同技术的各种PV单元和模块的参数估计结果表明，在大多数情况下，ELPSO比传统的PSO和其他一些技术优化算法更出色。
——文章发布于2018年1月1日
