Abstract In order to simulate, control and optimize photovoltaic (PV) systems, how to accurately identify the unknown parameters of PV models is a major challenge. To overcome this challenge, this work reports a very simple but efficient optimization method called backtracking search algorithm with reusing differential vectors (BSARDVs). BSARDVs has a very simple structure and only needs the essential population size and stopping criterion for optimization. Mutation operator is employed to generate new individuals in the search process of backtracking search algorithm (BSA), which guides the search direction of population by the differential vectors between history population and current population. To enhance the global search ability of BSA, BSARDVs first archives some most promising difference vectors from history population and then reuses these differential vectors for generating next generation population. The performance of BSARDVs is investigated for parameter identification of three PV models, i.e. single diode model, double diode model and PV module model. Experimental results reveal BSARDVs can find the better solution than the compared algorithms on double diode model. In addition, for single diode model and PV module model, the solutions of BSARDVs are the same solutions with those of some compared algorithms while BSARDVs consumes less function evaluations than these algorithms. This proves the effectiveness of reusing differential vectors in BSA for parameter identification of PV models.

中文翻译：

---

重用差分向量的回溯搜索算法用于光伏模型的参数识别

摘要 为了对光伏（PV）系统进行仿真、控制和优化，如何准确识别光伏模型的未知参数是一个重大挑战。为了克服这一挑战，这项工作报告了一种非常简单但有效的优化方法，称为重用差分向量回溯搜索算法 (BSARDV)。BSARDVs 结构非常简单，只需要基本的种群大小和停止准则进行优化。回溯搜索算法(BSA)的搜索过程中采用变异算子生成新个体，通过历史种群与当前种群的差分向量来指导种群的搜索方向。为了增强BSA的全局搜索能力，BSARDVs 首先从历史种群中归档一些最有希望的差异向量，然后重用这些差异向量来生成下一代种群。研究了BSARDVs的性能，用于三种PV模型的参数识别，即单二极管模型、双二极管模型和PV模块模型。实验结果表明 BSARDVs 可以找到比双二极管模型上的比较算法更好的解决方案。此外，对于单二极管模型和光伏组件模型，BSARDVs的解与一些比较算法的解相同，而BSARDVs比这些算法消耗更少的函数评估。这证明了在 BSA 中重用差分向量用于 PV 模型参数识别的有效性。研究了BSARDVs的性能，用于三种PV模型的参数识别，即单二极管模型、双二极管模型和PV模块模型。实验结果表明 BSARDVs 可以找到比双二极管模型上的比较算法更好的解决方案。此外，对于单二极管模型和光伏组件模型，BSARDVs的解与一些比较算法的解相同，而BSARDVs比这些算法消耗更少的函数评估。这证明了在 BSA 中重用差分向量用于 PV 模型参数识别的有效性。研究了BSARDVs的性能，用于三种PV模型的参数识别，即单二极管模型、双二极管模型和PV模块模型。实验结果表明 BSARDVs 可以找到比双二极管模型上的比较算法更好的解决方案。此外，对于单二极管模型和光伏组件模型，BSARDVs的解与一些比较算法的解相同，而BSARDVs比这些算法消耗更少的函数评估。这证明了在 BSA 中重用差分向量用于 PV 模型参数识别的有效性。此外，对于单二极管模型和光伏组件模型，BSARDVs的解与一些比较算法的解相同，而BSARDVs比这些算法消耗更少的函数评估。这证明了在 BSA 中重用差分向量用于 PV 模型参数识别的有效性。此外，对于单二极管模型和光伏组件模型，BSARDVs的解与一些比较算法的解相同，而BSARDVs比这些算法消耗更少的函数评估。这证明了在 BSA 中重用差分向量用于 PV 模型参数识别的有效性。