Este estudio propone un algoritmo mejorado de kites de alas negras (SRQ-BKA) para la identificación precisa de parámetros del modelo de doble diodo fotovoltaico (DDM). El método propuesto integra tres mecanismos clave: aprendizaje de reflexión especular (SRL) para mejorar la diversidad de la población inicial, previniendo la convergencia prematura y permitiendo una exploración más completa del espacio de soluciones para parámetros óptimos; búsqueda de escarcha suave (SRS) para equilibrar la exploración global y la explotación local, asegurando una identificación eficiente al ajustar dinámicamente el enfoque de búsqueda; e interpolación cuadrática (QI) para acelerar la convergencia afinando la búsqueda hacia parámetros óptimos, mejorando la precisión y acelerando el proceso de identificación. El error cuadrático medio (RMSE) se emplea como la función objetivo para minimizar el error entre las características I-V medidas y predichas del módulo fotovoltaico. Los resultados experimentales demuestran que el SRQ-BKA supera a otros algoritmos, logrando un RMSE mínimo de 0.00262 A para el DDM y exhibiendo una fuerte estabilidad, como lo evidencia un RMSE promedio de 0.00278 A en 1000 ejecuciones. El método también demuestra una excelente precisión en la identificación de parámetros tanto para el modelo de un solo diodo (SDM) como para el modelo de triple diodo (TDM), validando aún más su robustez y aplicabilidad práctica.