Resumen

Para extraer con rapidez y precisión los parámetros de los modelos de células solares, se propone, inspirada en el optimizador simplificado de apareamiento de aves (SBMO), una nueva tecnología de optimización denominada evolución de clasificación de poblaciones (PCE). PCE divide la población en dos grupos, élite y ordinaria, para alcanzar un mejor compromiso entre explotación y exploración. Para la evolución de los individuos de élite, adoptamos la idea de la partenogénesis en la naturaleza para permitir una explotación rápida. Para la evolución de los individuos ordinarios, adoptamos una estrategia de evolución diferencial efectiva y añadimos un movimiento aleatorio de pequeña probabilidad para reforzar la capacidad de saltar fuera de un óptimo local, lo que permite una exploración rápida. La PCE propuesta se estima primero con 13 funciones de referencia clásicas. Los resultados experimentales demuestran que PCE obtiene los mejores resultados en 11 funciones comparándolo con seis algoritmos evolutivos. A continuación, PCE se aplica para extraer los parámetros de modelos de células solares, es decir, el diodo simple y el diodo doble. Los análisis experimentales demuestran que el PCE propuesto es superior al compararlo con otros algoritmos de optimización para la identificación de parámetros. Además, PCE se prueba utilizando tres fuentes diferentes de datos con una buena precisión.

• Materias:Energía solar Fotoquímica Fotocatálisis Nanoestructuras Efecto fotoeléctrico
• Subjects:Solar energy Photochemistry Photocatalysis Nanostructures Photoelectric effect
• Palabras claves:pce, modelos de células solares, estrategia eficaz de evolución diferencial, optimizador simplificado de apareamiento de aves, funciones clásicas de referencia, nueva tecnología de optimización, otros algoritmos de optimización, evolución de clasificación de poblaciones, evolución, parámetros
• Keywords:pce, solar cell models, effective differential evolution strategy, simplified bird mating optimizer, classic benchmark functions, new optimization technology, other optimization algorithms, population classification evolution, evolution, parameters