当前位置：文档之家 › 基于遗传算法的双馈风力发电机优化设计

基于遗传算法的双馈风力发电机优化设计

  • 格式：pdf
  • 大小：2.00 MB
  • 文档页数：5

第14卷第6期 2017年12月邵阳学院学报（自然科学版）Journal of Shaoyang University" Natural ScienceEdition)Vol.14 No. 6 Dec. 2017

文章编号：1672-7010 (2017) 06-0049-05基于遗传算法的双馈风力发电机优化设计石书琪，唐宏伟，林立，李辉，彭正苗(邵阳学院多电源地区电网运行与控制湖南省重点实验室，湖南邵阳，422000)摘要：双馈风力发电机设计可以根据经验值进行最初设计，但是由于电机设计的变 量多，约束条件复杂，要寻求一个最优的设计方案，仅凭经验远远不够，所以需要依靠计算 机通过编写合适的优化程序进行快速高效的设计。文中将遗传优化算法应用到双馈风力发 电机优化设计当中，全局寻优电机成本。结果表明该优化设计方案合理，电机成本降低了 8. 5S，验证了该方案的正确性。关键词：遗传算法;双馈电机;优化设计；成本 中图分类号:TM302 文献标志码:A

Optimal Designof Doubly-fedWindPower Generator Based on Genetic Algorithm

SHI Shuqi，TANG Hongwei，LIN Li，LI Hui，PENGZhengmiao(Shaoyang University, Hunan Provincial Key Laboratory of Grids Operation and Control on Multi-Power Sources Area，Shaoyang 422000，China)

Abstract % The design of doubly - fed wind power generator can be planned according to the experiencevalue，but because of tlie variable of tlie motor design，complex constraints，to seek an optimalonly by the experience is far from enough，so the computer is needed to write a suitable optimization designprogram for high speed and efficient design. The genetic algorithm is applied to the optimal design of doubly-fedwind power generator，and the cost of the motor is optimized. The results show that the optimalreasonable and the motor cost is reduced by 8.5% ! which verifies the correctness of the optimization scheme.

Key words % genetic algorithms; doubly-fed wind power generator; optimal design; cost

双馈风力发电机优化设计是以最优化数学理论为基础，借助于计算机，自动寻求最优收稿日期=2017-09-14基金项目：湖南省科技厅重点研发项目（2016TP1023);湖南省教育厅重点研究项目（16A191)作者简介:石书琪（1986-)，男，湖南邵阳人，讲师，在读博士，从事电机优化设计研究;E-mal:Shuq1Sh10706@163. cm50邵阳学院学报（自然科学版)第7卷设计方案的一种设计方法，它具有多极值、多非线性约束等特点，其约束条件和目标代价函 数用关系式都很难直接表示。传统的电机优化设计多采用序贯加权加速因子法、乘子罚函 数法、复形法、罚函数法以及爬山类算法等，这些方法在不同程度上得到了成功的应用，但 是上述方法也有很多缺点，如容易收敛于局部最优点，优化结果与初始点的选取有关，对离 散变量处理有一定困难等'12 (。遗传算法(Genetic Algorithms，GA )是近年来迅速发展起来的一种新的全局优化算法。美国 霍兰(Holland)教授及他的团队在70年代初提出并创立该算法。它植根于自然进化与遗传机理， 最早是用于模拟自然界的自适应(适者生存)现象，后来被引向于广泛的工程问题[42]。

1构造数学模型构造电机优化数学模型指的是找出电机的某项性能指标与电机相关参数之间的关系。 假设电机的相关参数记为E，E，…，E，则关于电机的各项性能指标表达式是，=(E，E，…， E ) G的函数。并且这些性能指标是作为不等式约束条件来处理的，可以用式(1)来表示％2i( e) =2i( ei

，e)，…

22( E) = 22( E1，E2，…

.2h(e) = 2h(E，E，"优化算法中的目标函数成本、效率是,的函数，记为:/(，)=/(E，E，…，E)。因此，构 造电机的优化设计的数学模型可以记作为％

,)，〇 ,)，〇

J，〇(1)

min1( X)

% = iEu;(x)，〇，/=1 二…™0

(2)

ii确定优化变量确定电机优化变量理论上电机结构中的每个参数都可以假定为优化变量，但实际上操 作起来是不可能实现的。由于某些特定参数具有一定的意义，应当作为常量，比如考虑到 电机运行环境，则铭牌额定参数不能随意变动;另外变化范围，槽口宽度等某些结构参数对 电机的重要性能指标的影响很小，近视可以忽略不计，因此也可以当成常量。文中简化了优化设计的变量，只考虑对目标函数影响最大的几个变量如：定子外径 (% )、定子内径(％i )、铁芯的长度(0)。■ 0 ■X=X2

=

_E__%_⑶

1.2建立目标函数双馈电机的有效材料指定子绕组导电材料和定转子铁心导磁材料，电机的成本主要由 有效材料的用量决定。文中选取双馈风力发电机的成本作为目标函数，其表达式如下：& G@+CFe & GFe (4)式中！@、！6分别是铜、铁的价格，7@、7(分别是铜、铁的重量，在文中铜、铁的单价分别 为:铜:30元/kg，铁%25元/kg。第6期石书琪，唐宏伟，林立，李辉，彭正苗：基于遗传算法的双馈风力发电机优化设计

51

1.3列出约束条件约束条件是指电机优化设计过程中，为使优化结果能够满足除目标函数之外的其他各 项指标和性能而需考虑的附加条件，其约束条件可以用不等式表示成％2(Z),〇j = 1，2，，h

(5)

式中:不等式约束条件个数记为h，假如约束条件值大于等于零，则式（5)可以改写 为-2,(，) ,0。不等式约束条件把设计空间分为两个部分，可行性区域和不可行性区域，它们的边界 域为 2(，)=〇。

2优化算法原理与基本操作2.1遗传算法基本原理遗传算法思路是:首先在编码空间（如'0，1 ()内通过编码对问题进行编码操作，接着模 拟生物遗传进化机制去进行选择、交叉、变异三种循环迭代操作，最终不断的搜索比较进而 确定原问题的最优解。遗传算法通过选择算子（Selection Operator)可以保证迭代进程的方 向性，通过交叉算子（Crossover operator)和变异算子（Mutation Operator)的协同作用可确保 状态空间（'0，1 ()各点的概率可达性[62]。2.2遗传算法的基本操作

2.2. 1编码将二进制编码运用到该优化算法当中。在这种编码环境下，每个设计变量编码成由0

或1组成的有限长度字符串，其长度由设计变量的取值范围和所要求的精度决定[(-0]。 2.2.2 选择选择是模拟生物进化的自然选择原理，对群体中的个体进行优胜劣汰操作，从原有群 体中选取若干个体作为繁殖后代的双亲，通过遗传操作产生新的个体构成下一代群体，所 以是复制（Reproduction)过程。2.2.3交叉、变异交叉是7:的一个重要的遗传操作，对于选中的用于繁殖的每一对个体（双亲），通过交 换它们部分基因去产生两个子代个体。按一定概率M在双亲的基因链上随机选取一个交 叉位置，然后从交叉位置开始将基因链分开，交换双方某部分基因，其中M称为交叉概率 (一般取0. 6-0. 9)。交叉又分为单点交叉、两点交叉和多点交叉等几种，由于产生个体的主

要方法是交叉操作，遗传优化算法的整个全局搜索能力靠它来决定。二进制编码遗传算法的变异过程指的是以一定的变异概率M去窜改编码串中的某些 位或某位，让这些位在0与1之间变化。借助变异可以让编码串的多样性增强，

3基于遗传算法的双馈风力发电机优化设计实例已知数据:输出功率5$ = 11kW，电压4$ = 3807(+接），相数h = 3,频率/=50Hz，极对 数p = 2，B级绝缘，连续运行，封闭型自扇冷式，主要性能指标按技术条件规定。选取双馈 风力发电机设计成本作为目标函数，其目标函数表达式如下：min/" X# = min" Ccu & Gcu+CFe & GFe # ( 6 #

合集下载

基于遗传算法的海上风力发电用轴承设计优化

基于遗传算法的海上风力发电用轴承设计优化

基于遗传算法的海上风力发电用轴承设计优化海上风力发电是利用风能通过风力涡轮发电的一种可再生能源。

在海上风力发电系统中，轴承是核心部件之一，它承载着风力涡轮的旋转和运动。

良好的轴承设计对于提高风力发电系统的可靠性和效率非常关键。

然而，在海上环境条件恶劣的情况下，轴承易受到海水腐蚀、高湿度、大气盐雾等因素的影响，极易发生故障和损坏。

因此，基于遗传算法的海上风力发电用轴承设计优化是解决这一问题的有效途径。

遗传算法是一种模拟生物进化过程的搜索和优化算法，它通过模拟基因的交叉、变异和选择等过程，寻找问题的最优解。

在优化海上风力发电用轴承设计时，遗传算法可以帮助我们找到最佳的轴承参数配置，以提高轴承的性能和寿命。

首先，我们需要确定轴承设计的目标函数。

通常，我们可以选择最小化轴承的摩擦损失、最大化轴承的承载能力、最小化轴承的振动和噪音等。

根据具体应用需求，还可以考虑其他约束条件，如尺寸限制、材料选择等。

接下来，我们需要将轴承设计的参数进行编码。

这些参数可以包括轴承材料的强度、几何形状、润滑条件等。

通过将参数进行编码，我们可以将轴承设计问题转化为一个优化问题，使得遗传算法可以对参数进行搜索和优化。

然后，我们需要定义适应度函数。

适应度函数用来评价每个个体的优劣程度，在遗传算法中起到选择个体的作用。

在海上风力发电用轴承设计优化中，适应度函数可以根据轴承的目标函数和约束条件进行计算，评估每个个体的性能和可行性。

接下来，我们可以使用遗传算法进行轴承设计的优化过程。

遗传算法通常包括初始化种群、选择、交叉、变异和更新种群等操作。

在每一代中，根据适应度函数的评价结果，选择表现良好的个体进行交叉和变异操作，产生新的个体。

通过不断迭代、演化，逐步搜索到最优解。

最后，我们需要根据遗传算法优化结果，进行轴承设计的验证和评估。

通过实际测试和性能验证，检验遗传算法优化后的轴承设计是否满足需求，是否能够提供更好的性能和寿命。

总之，基于遗传算法的海上风力发电用轴承设计优化是一种有效的方法，可以提高轴承的性能和寿命，减少故障和损坏的风险。

遗传算法电机优化设计简介

遗传算法电机优化设计简介

收稿日期:20001225 综 述 遗传算法电机优化设计简介李鲲鹏,胡虔生(东南大学,南京210096)B rief I ntroduction of Motor Optimizing Design B ased on G enetic AlgorithmsL I Kun -peng ,HU Qian -sheng(S outheast University ,Nanjing 210096,China ) 摘　要:介绍了遗传算法的基本思想及其特点,实现了基于遗传算法的电机优化设计,讨论了保证其全局收敛性的方法,最后给出了基于遗传算法的电机优化设计实例。

关键词:电机优化设计;遗传算法;全局收敛性中图分类号:T M302 文献标识码:A 文章编号:1004-7018(2001)04-0032-02Abstract :In this paper ,the essence and a pplications of genetic alg orithms are friendly introduced.Based on com paris ons between ge 2netic alg orithms and conventional methods ,the a pplication of genetic alg orithm to motor design is im plemented.In this process ,the meth 2ods to improve the global convergence of genetic alg orithm are dis 2cussed.Finally ,the results of the optimization of three -phase electri 2cal machine design based on genetic alg orithms are presented.K eyw ords :motor optimal design ;genetic alg orithms (G A );glob 2al convergence1遗传算法的基本思想及其特点遗传算法是模拟生物进化机制的一种现代优化计算方法。

基于改进遗传算法的风电系统无功优化

基于改进遗传算法的风电系统无功优化

基于改进遗传算法的风电系统无功优化摘要：研究了含风电场的电力系统无功优化，提出了通过潮流计算分析风电场的电压特性，利用改进遗传算法对系统进行无功优化的新方法。

通过潮流计算得到风电场接入后对系统电压和网损的影响，建立无功优化模型，在满足各种约束条件下采用遗传算法对该模型进行优化求解。

通过IEEE14节点算例的实际计算结果验证了该方法的可行性和实用性。

关键词：风电；潮流计算；无功优化；遗传算法0引言随着风电技术的快速发展，大型风电场及风电场群已经形成，风电特性对电网的负面影响越来越显著，成为制约风电场规模不断扩大的重要障碍。

由于风电功率的间歇性和随机性，因此大规模风电的并网必将会给系统的运行调度带来一系列的问题。

本文在总结前人研究成果的基础上本文采用遗传算法对整个电网进行无功优化。

建立无功优化模型，通过调节发电机机端电压、变压器变比、投切电容器组的方法，在满足各种约束条件下采用遗传算法对该模型进行优化求解。

1计及风电影响的无功优化1.1基于遗传算法的无功优化的数学模型在电力系统无功优化中，控制变量包括电容器组、电抗器组、有载变压器分接头和发电机端电压。

电容器组的投切、电抗器组的投切、变压器分接头调节影响潮流计算中的导纳矩阵，这两个控制变量是离散的；发电机端电压的控制是控制发电机的无功输出，是连续变量。

因此，遗传算法求解无功优化的数学模型为：（1）目标函数为：（1）目标函数包括网损、电压和无功的越限。

（2）约束条件等式约束主要是节点有功功率平衡（不含平衡节点）和节点无功功率平衡（不含无功电源节点及平衡节点），不等式约束主要是各无功电源无功功率的上下限约束、节点电压幅值和变压器变比的上下限约束，必要时也可以考虑线路（含变压器）的潮流约束。

1.2 算法流程基于遗传算法的含风电系统无功优化计算过程主要包括五步：（1）二进制—实数混合编码无功优化数学模型中变量表示为：（2）其中所补偿电容器组由二进制编码表示，若电容器组有7组，它的二进制编码为：[000]~[111]，所表示的电容器容量为：；有载变压器变比的调节同样可由二进制编码表示，17个档位的变压器由四个基因表示：[0000]~[1111]，所表示变比为；发电厂电压有实数表示，数值即为其电压幅值的标幺值。

基于遗传算法的风电场优化排布方法研究

基于遗传算法的风电场优化排布方法研究

基于遗传算法的风电场优化排布方法研究在风电场设计中，考虑等风速同风向、变风速同风向和变风速变风向三种简化的风流模式，采用修正的尾流模型模拟机组之间尾流的相互干扰效应，使用遗传算法优化风电扬机组的排布，以单位发电量所消耗的成本最低为目标。

文章对采用遗传算法进行风电场优化排布的方法进行了研究，建立了数学模型以及求解方法，可为将来真实风场的风机排布提供参考依据。

标签：遗传算法；风电场；尾流模型；优化排布1 概述在风电场场址范围内，考虑由环境引发的自然风的变化及由风机自身引发的风扰动（即尾流因素），如何排列布置风力发电机组，使整个风电场年发电量最大，从而降低能源的生产成本以获得较好的经济效益是风电场设计关注的重要问题。

对于范围一定的风电场，如果不考虑风经过风机受到的影响，理论上风场内布置的风机数量越多，平均的单位度电投资越低，风电场的经济性越好。

但是当风经过风机后，风轮不仅转化了部分风能，同时对风形成了扰动，导致空气湍流增大，因此在风机下游侧的风速比上游侧会有一定程度的突变减小。

经过风机后，随着距离的增加，风速逐渐恢复，其恢复程度与上下游风机的间距有关。

如果风机布置过密，风机间的间距太小，经过上游风机影响后的风速来不及恢复，将造成到达下游风机的风速较低，从而导致单位电量效益较小、单位电量投资成本较大，经济性较差。

而如果风机布置过于稀疏，同范围下风电场的总装机容量就会过小，同时道路、集电线路等投资成本和运行维护费用均因距离的增加而增高，风电场经济性较差。

文章对基于遗传算法的风电场风机优化排布方法进行了研究，建立了数学模型和求解方法，合理确定风机布置数量和布置方案。

2 问题研究现状目前国内主要采用商业软件进行风电场的发电量计算，风机的优化排布主要依靠经验，缺乏基本理论的学术研究。

对于地形平坦的风电场，当主风向为一个方向时，风机在平行主风向上间距为5D～9D（D为叶轮直径，下同），在垂直主风向间距为3D～5D。