[发明专利]基于粒子群优化算法的太阳电池隐式方程参数辨识方法

权利要求书

1.一种基于粒子群优化算法的太阳电池隐式方程参数辨识方法，其特征在于包括以下步骤：

步骤一、针对复杂的非线性隐式方程，设计适应度函数，

对于非线性隐式方程：

y＝f(x₁,x₂,...,x_n,y)(1)

其中x₁,x₂,...,x_n为方程输入，y为方程输出；输入和输出变量无法直接分开，需先求出非线性隐式方程的根，再结合试验数据构成用于评价的适应度函数，该函数表示为：

ft=1NΣi=1N|f(x1′,x2′,...,xn′,y′)-f(x1,x2,...,xn,y)||f(x1′,x2′,...,xn′,y′)|+|f(x1,x2,...,xn,y)|---(2)]]>

式中等号右边部分由三个部分组成，第一部分为记忆部分，反映粒子的运动习惯，代表粒子有保持自己先前速度的趋势；第二部分为自我认知部分，反映的是粒子对自身历史经验的记忆，表示粒子有向自身历史最佳位置逼近的趋势；第三部分为粒子社会认知部分，反映了粒子间协同合作与知识共享的群体历史经验，表示粒子有向群体或领域历史最佳位置逼近的趋势；N为数据的维数，x,y为实测输入输出数据，x',y'为采用步骤三辨识结果带入非线性隐式方程，对方程求根得到的零点值；

步骤二、初始化粒子种群内粒子数目、最大迭代次数、学习因子和惯性权重，确定带辨识参数的变化范围，在各个参数的取值区间内随机粒子的位置和速度，作为粒子的初始状态；并将各个粒子的初始状态存储为每个粒子的个体最优值pbest_i，并记录下对应粒子所代表的位置，称其为个体最优粒子p_id；

步骤三、按照以下公式对所有粒子的速度和位置进行更新：

V_id(t+1)＝ω×V_id(t)+C₁×r₁×(P_id-X_id(t))+C₂×r₂×(P_gd-X_id(t))(3)

X_id(t+1)＝X_id(t)+V_id(t+1) (4)

其中，C₁和C₂是两个学习因子，也称为加速参数，是两个非负常数；r₁和r₂为[0,1]范围内的随机数；t为迭代次数；V_id是飞行速度，V_id∈[-V_max,V_max]，V_max是常数，由用户设定用来限制粒子的飞行速度；

更新后的粒子位置即为非线性隐式方程参数某一时刻的辨识结果；

步骤四、将步骤三的参数辨识结果带入非线性隐式方程，通过数值解法求取此时方程的零点；结合试验数据，带入步骤一中设计的适应度函数，计算各个粒子的适应度值；

步骤五、根据步骤四得到的适应度值，更新所有的个体最优值pbest_i和个体最优粒子p_id，以及全局最优值gbest和全局最优粒子p_gd；

步骤六、根据需要设定循环结束条件，循环结束条件为适应度值达标的解或最大迭代次数；达到结束条件则结束搜索，输出辨识结果；否则转入步骤三，继续循环更新粒子的位置和速度。