应用改进的郊狼优化算法，实现光伏智能边缘终端的优化配置( 二 )

图2不同PVIET数量条件下的算法收敛性能对比
研究人员指出，仿真结果表明，在充分考虑保障数据采集可靠性成本的前提下，达成了PVIET的合理优化配置，大幅度降低成本，可为PVIET优化规划设计提供依据。
另外，所提出的全新社会互助郊狼成长策略，以及利用随机分组策略、模拟退火与自适应精英保留策略的改进郊狼优化算法，在仿真中表现出色。
1）改进算法在PVIET数量为4~9时进行50次独立实验时，改进郊狼优化算法的精度较原来分别提升了18.37%、27.72%、35.67%、38.91%、42.95%、45.65%、46.14%；
2）相对于粒子群算法精度分别提升了18.20%、23.52%、29.79%、33.95%、36.49%、39.33%、39.82%；
3）相对于正余弦算法精度分别提升了20.39%、26.43%、31.95%、35.42%、38.19%、40.48%、41.05% ，且最优解与最劣解之间峰谷差小；
4）在收敛性比较中，改进郊狼优化算法相比于COA、PSO、SCA的收敛速度更快。
【应用改进的郊狼优化算法，实现光伏智能边缘终端的优化配置】以上研究成果发表在2021年第7期《电工技术学报》，论文标题为“基于改进郊狼优化算法的光伏智能边缘终端优化配置方法” ，作者为刘嘉恒、张明等。