基于光伏组件阵列的多模态函数数据及人工神经网络近似方法作为测试优化算法的场景

摘要： 本文展示了模拟五块光伏组件在局部阴影条件下性能的多模态函数数据。这些函数通过数学建模的PeV曲线获得，呈现具有多个局部极大值和一个全局极大值的光伏组件特性。此外还展示了前馈神经网络的数据，这些数据是对数学建模所得多模态函数的近似逼近。关于多模态函数建模、神经网络架构及数据应用方法，我们已在先前发表的论文《应用数值优化算法搜索多模态函数全局极值：黄金分割法与模拟退火法比较》[1]中进行了讨论。数据通过C语言代码模拟获得，导出为DAT文件后整理成四个Excel表格。每个表格分别呈现光伏阵列五块组件的电压与功率数据，包括多模态函数本身及人工神经网络实现的多模态函数近似值。由此获得的数据集可用于评估优化算法和系统辨识技术在多模态函数中的应用性能。