[發明專利]光伏模型的參數確定方法、裝置、設備及存儲介質

在審

• 申請號: 202210008611.5
• 申請日: 2022-01-04
• 公開（公告）號: CN114492172A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 李水佳;谷瓊;龔文引;寧彬;胡春陽;蔡之華
• 申請（專利權）人: 湖北文理學院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 劉錫濱

1.一種光伏模型的參數確定方法，其特征在于，所述光伏模型的參數確定方法包括：

獲取光伏模型對應的待優化參數，將所述待優化參數作為種群個體構建基于預設自適應教學優化算法的學習種群；

獲取所述學習種群中各待優化參數的目標函數值，并根據所述目標函數值確定所述學習種群中的學習者自適應學習階段；

根據當前循環代數和所述學習者自適應學習階段確定預設學習方式，并根據所述預設學習方式對所述學習種群中的學習者參數進行更新，獲得更新后的學習者參數；

根據所述更新后的學習者參數確定所述光伏模型的最優參數。

2.如權利要求1所述的光伏模型的參數確定方法，其特征在于，所述獲取所述學習種群中各待優化參數的目標函數值，并根據所述目標函數值確定所述學習種群中的學習者自適應學習階段的步驟，具體包括：

根據所述學習種群中各待優化參數的目標函數值確定各待優化參數的排名選擇概率；

為各待優化參數生成對應的隨機數，并將各待優化參數的隨機數與對應的排名選擇概率進行比較；

根據比較結果確定所述學習種群中的學習者自適應學習階段。

3.如權利要求2所述的光伏模型的參數確定方法，其特征在于，預設學習方式包括：教師教學方式和學生學習方式；

所述根據當前循環代數和所述學習者自適應學習階段確定預設學習方式，并根據所述預設學習方式對所述學習種群中的學習者參數進行更新，獲得更新后的學習者參數的步驟，具體包括：

根據當前循環代數和所述學習者自適應學習階段確定教師教學方式，并根據所述教師教學方式對所述學習種群中的學習者參數進行更新，獲得更新后的學習者參數；

根據當前循環代數和所述學習者自適應學習階段確定學生學習方式，并根據所述學生學習方式對所述學習種群中的學習者參數進行更新，獲得更新后的學習者參數。

4.如權利要求3所述的光伏模型的參數確定方法，其特征在于，所述根據當前循環代數和所述學習者自適應學習階段確定教師教學方式，并根據所述教師教學方式對所述學習種群中的學習者參數進行更新，獲得更新后的學習者參數的步驟，具體包括：

在當前循環代數為預設代數且所述學習者自適應學習階段為教師階段時，通過第一預設公式對所述學習種群中的學習者參數進行更新，獲得更新后的學習者參數，所述第一預設公式為：

x_i,new＝x_i+rand·(x_teacher-T_F·x_mean)

式中，x_i,new為第i個學習者更新后的學習者參數，x_i為第i個學習者待優化參數，rand為0到1之間的一個隨機數，T_F為教學縮放因子，x_teacher為初始教師參數，x_mean為班級成績平均值；

在當前循環代數不為預設代數且所述學習者自適應學習階段為教師階段時，通過第二預設公式對所述學習種群中的學習者參數進行更新，獲得更新后的學習者參數，所述第二預設公式為：

x_i,new＝x_i+rand·(x_teacher-T_F·x_mean)+rand·S(ind)

式中，x_i,new為第i個學習者更新后的學習者參數，x_i為第i個學習者待優化參數，rand為0到1之間的一個隨機數，T_F為教學縮放因子，x_teacher為初始教師參數，x_mean為班級成績平均值，S(ind)為隨機學習成功經驗。