相关自适应遗传算法在电力变压器优化设计中的应用

《相关自适应遗传算法在电力变压器优化设计中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、维普资讯http://www.cqvip.com第43卷第2期叠珏器Vo1．43No．22006年2月February2006自适应遗传算法在电力变压器优化设计中的应用木王瑞明，杨琼(太仓供电公司，江苏太仓215400)摘要：对遗传算法的交叉率和变异率参数以及适应度函数等方面进行了研究，改进了自适应遗传算法，给出了单目标和多目标的电力变压器优化设计的实例。关键词：电力变压器；自适应遗传算法；优化设计中图分类号：TM402文献标识码：B文章编号：1001-8425(2006)02-0004—04变量的隐含形式，凶此是一个多变量多约束的

2、非线1引言性问题。电力变压器的优化设计是指在满足规定的电磁遗传算法(GeneticAlgorithm)是密歇根大学性能指标下，确定某一目标(如材料成本、变电损耗Holland教授在20世纪70年代提出的一种崭新的等)，运用一定的优化算法，寻求出最优的产品设计优化算法I”，近年来在工程优化方面得到了广泛的方案。变压器的优化设计在数学上可归纳为约束非应用。遗传算法不要求目标函数具有诸如连续性、导线性的混合离散规划问题，其目标函数的解具有多数存在和单峰等性质，适合求解非线性的混合离散极值的复杂特点，并且目标函数和约束函数是设计规划问题，是

3、求解全局最优值的理想方法【2I。樊叔维全国变压器节材技术研讨会获奖论文。，N，，，：^!乖『，出!j亦出乖出．厅乖逝毋出稃坏科学技术出版社，1990．【M】．西安：西安电子科技人学}}i版社，2000[7】楼顺天，陈生潭，雷虎民MATLAB5．x程序设计语言ApplicationofGeneHandlingGeneticAlgorithmtoOptimalDesignofTransformerCoreSectionTANGci,ZHANGZhi-wen(HunanUniversity，Changsha410082，China)Abs

4、tract：Theselection~undationofthesmallestlimitofwidthofcoreplateisanalyzed．Theformulaoflaminatedthicknessispresented．Theoptimaldesignofcoresectionwithgenehan。dlinggeneticalgorithmisintroduced．Keywords：Transfotruer；Core；Geneticalgorithm；Optimaldesign收稿日期：2005—07—12作者简介：汤

5、赐(1980一)，男，湖南湘潭人，湖南大学信息与程学院硕上生，主要从事电机控制及变压器优化设计方面研究。‘维普资讯http://www.cqvip.com第2期王瑞明、杨琼：自适应遗传算法在电力变压器优化设计中的应用5等人将遗传算法片j于电力变压器的电磁设计中，取的值。越_人，新个体产乍速度就越快，过大时得了较好的优化结果l2l，但其在应用中存在遗传算具有高适应度的个体基因编码破坏能性也增大；法求解效果低，过早收敛于局部最优，难于保证最终若．过小，不宜产牛新个体。对于变异概率，若求得『n】题的全部最优解或全局近似最优解。本文结，]¨

6、。过，j、，也不易产生新个体；若取仇过火，则遗合电力变J器设计特点，对遗传算法的交义率和变传算法变成了纯粹的随机搜索算法。钊。对不I—j的优异牢参数进行了研究，形成了自适应遗传算法。化问题，需要反复试验来确定．和Jpl这是一件繁琐的工作，而且难以找到最佳值。2遗传算法及其改进Srinvivas等提出了一种根据适应度值米动态调2．1遗传算法的基本原理I1l卸整+和J口=的自适』越遗传算法(AdaptiveGeneticA1一遗传算法是基于自然选择和群体进化体系的伞gorithm)141。当群体符个体适应度趋于一一致或趋于局局优化算法。

7、它模拟自然界生物遗传过程中发生部最优时，使和JpI增加，而?种群适应度比较分的繁殖、交配、变异现象，根据目标函数构造适臆函散时，使和JpI减小。但足这种方法对于适应度值数，通过反复执行选择复制、交叉、变异t个运算过接近或者等于最大适应度值的个体，和Pn接近或程，迭代寻优，最终搜索到最优个体即目标解。其基等于零。因此，这种调整疗法适合于群体处于进化后本求解步骤如下：期情况。埘于进化初期群体rf1较优个体处于儿乎不(1)编码：将待优化的参数集娟二进制数编码成发生变化的状态，而此时的优良个体一定是全局二值基因链(由0，1编码的仃限长字符串

8、)。最优解，这容易使进化走向局部最优解的可能性增(2)随机产牛初始解群体(0)=(．，⋯，)：遗加。传算法从这些群体出发，模拟进化过程，进行择优汰为此，笔者作r进·步的改进，使对应于群体中劣，最后得到优秀的群体和个体，满足优化的要求最