遗传算法在干式电力变压器系列优化设计中的应用研究.pdf

遗传算法在干式电力变压器 系列优化设计中的应用研究 程丽敏 !， 孙 萍 !， 励庆孚!， 王念同， 张 宏 #， 王 玲 # （! 西安交通大学电气工程学院，陕西 西安 #!$%/?于+*年提出， 其基本思想来源于生物遗传 变异和自然界中适者生存的自然规律， 它将实现问题 模拟成生物进化过程来解决。它只要求问题是可解 的， 无可微性及其它要求， 并且不受维数限制。 同时因 为遗传算法以设计变量的编码来工作， 而不是以设计 变量本身， 它是可行解的集合而不是单个可行解上寻 优， 因而有良好的并行性， 这就使遗传算法成为一种 最为有效的处理整数及离散变量的方法。近年来， 它 以高效、 实用的特点成功地应用于机器学习、 人工智 能、 函数优化、 电磁装置优化设计和电力系统机组组 合优化设计等诸多领域AB,C， 取得了良好的效果。 遗传算法的基本原理及步骤 遗传算法以达尔文的生物进化论为基础，它的 基本思想是从一个初始群体 （一组侯选解） 开始进行 迭代，在每次迭代的过程中都按候选解的优劣进行 排序， 保留其中优秀的部分， 通过一些遗传操作如杂 交、 变异等运算， 产生新一代候选解， 重复这个过程， 直到满足收敛条件为止。 -3的主要计算步骤如下： （） 确定寻优参数， 进行基因编码。 （%） 产生原始群解。 （,） 计算解群中各个解的目标函数值， 评价群体 的优劣。 （#） 进行遗传操作， 产生一定规模的新个体， 将 所有的新个体与原种群组成一个大群体： （） 杂交是将双亲字符串中的某些位进行交换， 杂交的位数可以随机产生。 （D） 变异模拟了生物在大自然环境中由于各种 偶然因素引起的基因突变。变异的方式是随机翻转 字符串若干位数字。杂交和变异的发生有一定的概 率， 分别用2和9来表示。 （*） 计算评价 （#） 得到的大群体的优劣， 进行遗 传操作选择， 产生称为子代的新一代种群， 计算其 适应度。 （E） 如果不满足收敛条件， 返回 （#） 。 显然， 上述算法的 （#） 、（*） 两步是关键步骤， 它 反映了遗传算法对生物进化过程的类比性。 #变压器系列优化的数学模型及其求解方法 采用优化设计的方法对系列变压器进行设计， 必须适应系列变压器的特点，将系列变压器作为一 个整体来考虑。 本文中所谓系列变压器是指容量、 电 压等级相同， 联结组标号和分接范围不同的变压器。 具 体 指 联 结 组 为FG/、HG/$， 分 接 范 围 为I%J 第!卷第#期 $%!年#月 !#$%6!# （?1(%(四种规格的 变压器进行优化。优化中所选取的优化设计变量为： 铁 心直径7、 窗高8(、 铁心中心距9(、 内绕组匝数:)、 主 气隙;和外、 内绕组电流密度A%、A)。将铁心直径7、 窗 高8(、 铁心中心距9(、 内绕组匝数:)、 主气隙;和内绕 组电流密度A)变量取为共同变量，外绕组电流密度A% 取为非共同变量。约束条件为： 空载损耗、 负载损耗、 空 载电流、 短路阻抗、 内外绕组温升、 铁心温升和内外绕组 平均温差。取2个规格变压器的方案%的权重分别为： ! 万方数据 第!卷 !#$% .?8)+12 :8)/F./ 7)#2G*=2 :8)/ *8. )S*%F%R .?*/)F 型和型） 、 中点接地与否等多种因素对励磁涌流、 每相输出电流有着较大影响。本文以一次绕组为#(） ， 女， 陕西省西安市人， 西安交通大学电气工程学院工程师， 主要从事教学试验及电机、 变 压器?集成系统研究工作。 #*+,-./,：#$)= 012 34-5+：!#$%#& %()*+,-；.)%/0 (12,/%3-；4/* 5*/2)；6&%/-(1 -%3,5 ! 万方数据