基因控制遗传算法在变压器优化设计中的应用 application of gene handling genetic algorithm to optimum design for transformer.pdfVIP

第46卷第5期要．屋孑 voI．46 No．5 2009年5月TRANSF翻R-,ClERMm／ 2009 基因控制遗传算法在变压器 优化设计中的应用 汤赐，张志文 (湖南大学电气与信息工程学院，湖南长沙410082) 摘要：提出了采用基因控制遗传算法实现变压器优化设计的方法。 关键词：变压器；遗传算法；优化设计 中图分类号：TM40l+．1文献标识码：B 文章编号：1001—8425(2009)05—0038-04 ofGene Genetic to ApplicationHandling AlgorithmOptimum forTransformer Design TANG Zhi-wen Ci，ZHANG 41 (HunanUniversity，Changsha0082，China) Abstract：BasedonGene Genetic methodfortrans- Algorithm，theoptimum Handling design formerispresented． words；Transformer；Geneticdesign Key algorithm；Optimum 坏这样的基因块。正是传统遗传算法的这种根本问 1前言 题导致了结果的不收敛或早熟。笔者又尝试用改进 变压器的优化设计有着明显的社会经济效益， 遗传算法H，由于该改进算法针对的只是无约束问 因此在国内外引起广泛重视。从优化方法来看，目前 题，所以对约束条件多且严格的实际工程问题效果 用到的传统优化方法主要有两种：直接法(即罚函数 也不理想，而且也同样存在会破坏特征基因块的问 法)和解析法111。由于变压器优化设计属于多离散变题。 量、非线形及约束条件严格的复杂工程优化设计问 通过仔细分析可知：①变压器的结构变量和优 题，因此传统优化设计方法根本无法胜任，其共同缺 化目标及约束条件之间存在确定的联系，例如导线 点在于收敛速度慢，且难于找到全局最优解。 的截面越小，则通过相同电流时损耗将增大，因而引 为了从工程角度来解决这个问题，采用遗传算 起的温升就越高。②对于优化目标、约束条件而言， 法是合适的，它对优化设计的目标函数和约束条件 各设计变量之间在一定的范围内有着明显的数量关 限制较少，并能较好地处理实际优化问题中存在的 系。在这个范围内，设计变量并不是独立变量，例如 问题：目．标函数具有多个局部极值点或在某一局部 变压器的线规要求扁导线的宽厚比必须为1．4≤旦- 连续但不可微12I。 a ≤8。因此，在本文中笔者采用基因控制遗传算法对 但笔者采用传统遗传算法时发现，进化过程极