张伟伟，陶 聪，范 岩，于坤杰，文笑雨，张卫正*

（1.郑州轻工业大学计算机与通信工程学院，郑州 450000；2.郑州大学电气工程学院，郑州 450000）

0 引言

可再生能源的利用是当前研究热点之一。太阳能通过光伏发电系统被转化为电能，是一种非常好的可再生能源。但是，光伏发电系统一般运行在室外环境，其光伏阵列很容易出现故障，这将严重影响太阳能的利用效率。基于实测的电压电流数据建立精确的光伏阵列模型，对光伏系统进行及时的控制和优化是非常重要的。近年来学者们建立了若干数学模型，成功地描述了光伏系统的性能和非线性行为，其中Alam等［1］运用了单二极管模型和双二极管模型来描述光伏系统。此外，光伏模型的准确性主要取决于其模型参数，但是这些参数通常由于老化、故障和不稳定的运行条件不断变化导致可用性下降。因此，准确、可靠地识别模型参数对于光伏模型的评价、优化和控制是十分重要的，这也推动了近年来各种参数识别研究的发展。

光伏模型的参数识别是一个多变量且具有多个局部极值的非线性多模态问题［2-12］，在采用确定性技术进行参数识别时，很容易陷入局部最优［9-11］。启发式方法由于对问题特性没有特别的限制，尤其适合求解各种复杂的“黑箱问题”，因此被广泛应用于光伏模型的参数识别等问题上。

在文献［2］中，提出了一种基于扰动变异分类的粒子群优化（Classified Perturbation Mutation based Particle Swarm Optimization，CPMPSO）算法，并利用阻尼约束处理策略解决陷入局部最优问题。……