基于改进海鸥优化算法的立体卷铁心变压器优化设计方法技术

本发明专利技术公开了一种基于改进海鸥优化算法的立体卷铁心变压器优化设计方法。该方法首先根据单目标优化设计数学模型，建立以立体卷铁心变压器的电磁制造成本最小为优化目标的优化目标函数；再采取惩罚函数来处理变压器所需满足的约束条件，得到立体卷铁心变压器优化设计数学模型，再采用改进海鸥优化算法对立体卷铁心变压器优化设计数学模型进行求解，输出当前全局最优适应度值GbestF作为优化后变压器的电磁制造成本，输出当前全局最优海鸥个体位置GbestX作为优化后变压器的优化变量组合。本发明专利技术采用改进的海鸥优化算法对立体卷铁心变压器进行优化，提高立体卷铁心变压器的优化设计效率和设计精度，有效优化立体卷铁心变压器的设计参数，降低制造成本。降低制造成本。降低制造成本。

【技术实现步骤摘要】
基于改进海鸥优化算法的立体卷铁心变压器优化设计方法


[0001]本专利技术涉及变压器优化设计领域，具体是一种基于改进海鸥优化算法的立体卷铁心变压器优化设计方法。

技术介绍

[0002]立体卷铁心变压器是一种理想的节能型变压器，与传统叠铁心相比，立体卷铁心具有三相平衡、节能、节材、噪音低、体积小等优点，与“双碳”目标下变压器的绿色发展方向高度契合。近年来，已被广泛应用于高层建筑、轨道交通、新能源接入等场合。为了降低立体卷铁心变压器的制造成本，需对变压器设计方案进行优化。
[0003]变压器优化设计模型常用的求解方法有进化算法、遗传算法、粒子群算法等。文献《强化液冷牵引变压器电磁结构设计及优化[J].电工技术学报,2021,36(S2):460
‑
466.》中采用遗传算法对高铁车载牵引变压器进行了优化设计，实现了车载牵引变压器的轻量化设计。文献《刘道生,袁威,魏博凯,等.基于IPSO的非晶合金干式变压器优化设计[J].制造业自动化,2021,43(01):126
‑
30.》中采用改进粒子群算法对非晶合金干式变压器进行了优化设计。文献《曹小鹏,陈武,宁光富,等.基于多目标遗传算法的大功率高频变压器优化设计[J].中国电机工程学报,2018,38(5):1348
‑
1355.》中将多目标遗传算法应用于大功率高频变压器的优化设计中。综上，采用智能优化算法对变压器设计方案进行优化，可以改善变压器的性能指标，但上述算法的结构复杂、稳定性较差、时间复杂度偏高。
[0004]海鸥优化算法(Seagull Optimization Algorithm，SOA)是元启发式算法的代表算法之一，通过模拟海鸥群体的迁徙与螺旋攻击行为来求解复杂优化设计模型，已被成功应用于无人机网络频谱分配、含光伏发现系统的负荷模型参数辨识、可再生能源系统设计等具有挑战性的大规模约束优化问题中。

技术实现思路

[0005]针对现有技术的不足，本专利技术拟解决的技术问题是，提供一种基于改进海鸥优化算法的立体卷铁心变压器优化设计方法。
[0006]本专利技术解决所述技术问题的技术方案是，提供一种基于改进海鸥优化算法的立体卷铁心变压器优化设计方法，其特征在于，该方法包括以下步骤：
[0007]步骤1、根据单目标优化设计数学模型，建立以立体卷铁心变压器的电磁制造成本最小为优化目标的优化目标函数minf(X)：
[0008]minf(X)＝G
Fe
×
C
Fe
+G
Cu
×
C
Cu
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0009]式(1)中，优化目标f(X)为立体卷铁心变压器的电磁制造成本；X为优化变量；G
Fe
为立体卷铁心变压器铁心的重量；C
Fe
为硅钢片单价；G
Cu
为绕组重量；C
Cu
为铜单价；
[0010]步骤2、根据立体卷铁心变压器的基本电气参数，得出变压器所需满足的约束条件；再采取惩罚函数来处理约束条件，得到带有惩罚函数项的优化目标函数即立体卷铁心变压器优化设计数学模型如式(3)所示：
[0011][0012]式(3)中，P(X)为惩罚函数；q为约束条件个数；a
i
为惩罚因子，a越大，表明对约束条件的惩罚力度越大；g
i
(X)为约束条件，当满足约束条件时g
i
(X)＝0；P为正整数；
[0013]步骤3、采用改进海鸥优化算法对步骤2得到的立体卷铁心变压器优化设计数学模型进行求解，具体步骤如下：
[0014]步骤3.1、初始化海鸥优化算法的参数；
[0015]步骤3.2、利用Bernoulli混沌映射初始化海鸥个体的位置，提高初始种群的遍历性；
[0016]步骤3.3、初始化种群最优海鸥个体X
best
、全局最优适应度值GbestF和全局最优海鸥个体位置GbestX；
[0017]步骤3.4、初始化当前迭代次数t；
[0018]步骤3.5、开始进行迭代更新，携带优化变量信息的海鸥个体模拟海鸥群体迁徙行为实现对优化变量的有效范围的全局搜索；
[0019]步骤3.6、种群个体模拟自适应螺旋攻击行为对最优海鸥个体进行局部攻击，实现对最优海鸥个体的局部探索；
[0020]步骤3.7、种群中海鸥个体进行迭代更新后，种群中海鸥个体每一维度的优化变量均有可能会越界；此时，应对越界的优化变量进行处理：当越界的优化变量大于优化变量的上界Ub时，使其等于上界值；当越界的优化变量小于优化变量的下界Lb时，使其等于下界值；
[0021]步骤3.8、更新种群最优海鸥个体X
best
、全局最优适应度值GbestF和全局最优海鸥个体位置GbestX：计算迭代更新后种群中每个海鸥个体的目标函数值fitness_new(i)，其中i＝1,
…
N；再根据目标函数值fitness_new(i)的大小对种群个体进行升序排序，fitness_new(1)为更新后种群中最优海鸥个体的目标函数值；fitness_new(1)所对应的个体为当前种群最优海鸥个体X
best
；
[0022]将当前全局最优适应度值GbestF与迭代更新后种群中最优海鸥个体的目标函数值fitness_new(1)进行比较；当fitness_new(1)优于当前全局最优适应度值GbestF时，则令当前全局最优适应度值GbestF等于fitness_new(1)，当前全局最优海鸥个体位置GbestX为当前种群最优海鸥个体X
best
所在位置；当fitness_new(1)不优于当前全局最优适应度值GbestF时，则全局最优适应度值GbestF和全局最优海鸥个体位置GbestX保持不变；
[0023]步骤3.9、检查当前迭代次数t是否小于最大迭代次数T；若当前迭代次数t小于最大迭代次数时，返回步骤3.5继续迭代更新；若当前迭代次数t等于最大迭代次数时，输出当前全局最优适应度值GbestF作为优化后变压器的电磁制造成本，输出当前全局最优海鸥个体位置GbestX作为优化后变压器的优化变量组合。
[0024]与现有技术相比，本专利技术的有益效果在于：
[0025](1)本专利技术采用改进的海鸥优化算法对立体卷铁心变压器进行优化，有效提高算法的全局搜索与局部收敛能力，能够提高立体卷铁心变压器的优化设计效率和设计精度，有效优化立体卷铁心变压器的设计参数，降低立体卷铁心变压器的制造成本，提高立体卷
铁心变压器的经济性。
[0026](2)本专利技术在种群初始化阶段引入Bernoulli混沌映射，采用Bernoulli混沌映射不仅保留了初始种群时的随机性，同时使种群更加均匀的分布在解空间，提高算法的收敛速度。
[0027](3)本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进海鸥优化算法的立体卷铁心变压器优化设计方法，其特征在于，该方法包括以下步骤：步骤1、根据单目标优化设计数学模型，建立以立体卷铁心变压器的电磁制造成本最小为优化目标的优化目标函数minf(X)：minf(X)＝G
Fe
×
C
Fe
+G
Cu
×
C
Cu
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式(1)中，优化目标f(X)为立体卷铁心变压器的电磁制造成本；X为优化变量；G
Fe
为立体卷铁心变压器铁心的重量；C
Fe
为硅钢片单价；G
Cu
为绕组重量；C
Cu
为铜单价；步骤2、根据立体卷铁心变压器的基本电气参数，得出变压器所需满足的约束条件；再采取惩罚函数来处理约束条件，得到带有惩罚函数项的优化目标函数即立体卷铁心变压器优化设计数学模型如式(3)所示：式(3)中，P(X)为惩罚函数；q为约束条件个数；a
i
为惩罚因子，a越大，表明对约束条件的惩罚力度越大；g
i
(X)为约束条件，当满足约束条件时g
i
(X)＝0；P为正整数；步骤3、采用改进海鸥优化算法对步骤2得到的立体卷铁心变压器优化设计数学模型进行求解，具体步骤如下：步骤3.1、初始化海鸥优化算法的参数；步骤3.2、利用Bernoulli混沌映射初始化海鸥个体的位置，提高初始种群的遍历性；步骤3.3、初始化种群最优海鸥个体X
best
、全局最优适应度值GbestF和全局最优海鸥个体位置GbestX；步骤3.4、初始化当前迭代次数t；步骤3.5、开始进行迭代更新，携带优化变量信息的海鸥个体模拟海鸥群体迁徙行为实现对优化变量的有效范围的全局搜索；步骤3.6、种群个体模拟自适应螺旋攻击行为对最优海鸥个体进行局部攻击，实现对最优海鸥个体的局部探索；步骤3.7、种群中海鸥个体进行迭代更新后，种群中海鸥个体每一维度的优化变量均有可能会越界；此时，应对越界的优化变量进行处理：当越界的优化变量大于优化变量的上界Ub时，使其等于上界值；当越界的优化变量小于优化变量的下界Lb时，使其等于下界值；步骤3.8、更新种群最优海鸥个体X
best
、全局最优适应度值GbestF和全局最优海鸥个体位置GbestX：计算迭代更新后种群中每个海鸥个体的目标函数值fitness_new(i)，其中i＝1,
…
N；再根据目标函数值fitness_new(i)的大小对种群个体进行升序排序，fitness_new(1)为更新后种群中最优海鸥个体的目标函数值；fitness_new(1)所对应的个体为当前种群最优海鸥个体X
best
；将当前全局最优适应度值GbestF与迭代更新后种群中最优海鸥个体的目标函数值fitness_new(1)进行比较；当fitness_new(1)优于当前全局最优适应度值GbestF时，则令当前全局最优适应度值GbestF等于fitness_new(1)，当前全局最优海鸥个体位置GbestX为当前种群最优海鸥个体X
best
所在位置；当fitness_new(1)不优于当前全局最优适应度值
GbestF时，则全局最优适应度值GbestF和全局最优海鸥个体位置GbestX保持不变；步骤3.9、检查当前迭代次数t是否小于最大迭代次数T；若当前迭代次数t小于最大迭代次数时，返回步骤3.5继续迭代更新；若当前迭代次数t等于最大迭代次数时，输出当前全局最优适应度值GbestF作为优化后变压器的电磁制造成本，输出当前全局最优海鸥个体位置GbestX作为优化后变压器的优化变量组合。2.根据权利要求1所述的基于改进海鸥优化算法的立体卷铁心变压器优化设计方法，其特征在于，步骤1中，单目标优化设计数学模型如式(2)所示；式(2)中，f(X)为优化目标；X为优化变量，X＝[x1,
…
,x
D
]为优化变量所组成的向量，D为优化变量的个数；g
i
(X)为约束条件，q为约束条件个数。3.根据权利要求1所述的基于改进海鸥优化算法的立体卷铁心变压器优化设计方法，其特征在于，步骤1中，根据优化变量X的选择原则，得出优化变量X包括低压绕组层数C、铁芯直径R、低压绕组匝数N2、低压绕组导线规格S2和高压绕组导线规格S1。4.根据权利要求1所述的基于改进海鸥优化算法的立体卷铁心变压器优化设计方法，其特征在于，步骤2中，所述基本电气参数包括额定容量、电压等级和联结组别。5.根据权利要求1所述的基于改进海鸥优化算法的立体卷铁心变压器优化设计方法，其特征在于，步骤2中，所述约束条件包括性能标准、工艺水平约束和材料性能约束；所述性能标准包括空载损耗P0≤空载损耗标准值P
0N
、负载损耗P
k
≤负载损耗标准值P
kN
、空载电流I0≤空载电流标准值I
0N
、阻抗电压u
kN
％∈[(1
‑
k)u
kN
％，(1+k)u
kN
％]；所述工艺水平约束包括扁导线宽厚比BBA∈[BBA
min
,BBA
max
]、导线叠数Die≤Die
max
、导线并数Bing≤Bing
max
、导线截面积S∈[S
min
,S
max
]、铁心直径R为5的倍数；所述材料性能约束包括高压绕组对油温升τ
u
≤高压绕组对油的允许温升τ
uN
、低压绕组对油温升τ...

【专利技术属性】
技术研发人员：郑健飞，杜江，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：