(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210919265.6 (22)申请日 2022.08.02 (71)申请人 江西理工大 学 地址 341000 江西省赣州市客家大道1958 号 (72)发明人 刘道生　钟伟　王永胜　 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06F 111/04(2020.01) (54)发明名称 一种基于粒子群算法的非晶合金变压器参 数优化设计方法 (57)摘要 本发明公开了一种基于粒子群算法的非晶 合金变压器参数优化设计方法。 本发 明方法设计 的变压器是高效节能型非晶合金干式变压器， 节 能效果更好， 安全可靠性更佳。 本发明方法的非 晶合金干式变压器的参数数学优化模型是从降 低制造成本和降低损耗角度进行建立的， 通过改 进粒子群算法进行最优解搜寻， 获得低损耗、 低 制造成本的非晶合金干式变压器电磁参数； 其自 动化程度高和设计周期短。 本发 明方法能在较短 的时间内得出满足性能参数要求的低制造成本 的非晶合金干式变压器设计方案， 降低非晶合金 干式变压器的生产成本， 改善其损耗性能； 对节 能型非晶合金干式变压器的推广应用具有重要 的意义。 权利要求书3页 说明书6页 附图3页 CN 115203857 A 2022.10.18 CN 115203857 A 1.一种基于粒子群算法的非晶合金变压器参数优化设计方法， 其特征在于包括以下步 骤： 步骤一： 根据非晶合金干式变压器用户或者标准要求确定性能参数， 设置好约束条件 和优化参数变量的取值范围； 步骤二： 生成各维优化变量的编码及对应的实 际值数组， 然后随机生成第一代粒子群 的位置， 并为种群设定适应度函数和惩罚函数； 采用惩罚函数的方法对约束条件进行处理， 具体的约束条件处理方法和适应度函数计 算如下所述： 约束条件可以表述 为： gj(Xi)≤0,j＝1,. ..,q q为约束条件个数； 第i个粒子在第j个约束条件上的约束违反程度表示 为： Gj(Xi)＝max{gj(Xi),0},1≤j≤q 粒子的约束违反程度为： 由于约束条件的差异， 会出现某些约束条件对个体的约束违反程度v(Xi)起主导性作用 的情况， 故通过标准化方法使每个约束 条件的数量级相同。 在标准化过程中， 首先找到第一 代种群中粒子违反各个约束条件的最大值； Gmaxj为违反第j个约束条件的最大值， 其他参数含 义同上。 第i个粒子对第j个约束条件 的违反程度标准 值Gnormj(Xi)定义如下： 在随后的整个迭代过程， 粒子的约束违反程度标准 值vnorm(Xi)定义如下： 同理， 也通过标准化方法使适应度函数和vnorm(Xi)的数量级相同。 首先找到第一代种群 的最小和最大目标函数值： f(Xi)为适应度函数值， fmin和fmax分别为第一代种群粒子目标函数的最小、 最大值； 随后， 每一代个 体x的目标函数 标准值都采用如下计算公式： fnorm(xi)为目标函数 标准值， 其他参数含义与上相同； 适应度函数计算方式为：权　利　要　求　书 1/3 页 2 CN 115203857 A 2fitness(Xi)＝fnorm(Xi)+λ(t)vnorm(Xi) fitness(Xi)为适应度值， 简称适应度； λ(t)为惩罚系数； 粒子的适应度越小， 代表粒子 越优； 不满足约束条件的解也称为不可行解， 迭代过程允许不可行解的存在， 以保证前期的 全局搜索能力。 迭代前期惩罚系 数取较小值， 进入迭代后期后， 种群应该收敛于可行解， 此 时需要比较大的惩罚系数。 采用线性增大的方式对惩罚系数进行调整； λ(t)＝ λmin+( λmax‑λmin)/T×t 式中λmin和 λmax分别为最小和最大惩罚系数； 步骤三： 将计算得到的粒子适应度与各粒子的最优位置和全体粒子的最优位置进行比 较， 如果比上一代更优则替换 更新各粒子的最优位置和全体粒子的最优位置； 步骤四： 判断是否达到设定的最大迭代次数N， 如果没有则 重复步骤二对种群位置进行 更新， 计算 适应度函数值； 步骤五： 计算达 到最大迭代次数N时停止， 将种群中的最优设计方案进行输出。 2.如权利要求1所述的一种基于粒子群算法的非晶合金变压器参数优化设计方法， 其 特征还在于： 提出一种自适应粒子交叉搜索策略。 当粒子群的收敛陷入停滞时， 通过粒子间的交叉 产生新粒子， 通过新粒子寻找新的全局最优解。 粒子间的交叉搜索， 弥补了粒子群算法解空 间搜索模式存在的不足； 迭代过程， 每个粒子以概率Pr与其他随机一个粒子进行交叉， 概率Pr由当前粒子群的 收敛情况决定， 定义 为： Pr＝ μ×Re 其中Re为pg连续不更新的代数； μ为交叉概 率增加系数。 交叉操作定义 为： 其中Xnew1和Xnew1是交叉操作生成的新粒子； X1是当前粒子； X2是X1外的随机粒子； Rnd是 一个(0,1)区间的6维随机向量； 将Xnew1和Xnew2与pg进行对比， 如果Xnew1和Xnew2更优， 则替换pg。 3.如权利要求1所述的一种基于粒子群算法的非晶合金变压器参数优化设计方法， 其 特征还在于： 优化目标为经济指标， 即非晶合金干式变压器的主材成本： f(X)＝Ch+Cl+Cco+Ccl 其中， Ch为高压绕组成本； Cl为低压绕组成本； Cco为铁心成本； Ccl为夹件成本， 目标函数 越小代表设计方案越 优。 4.如权利要求1所述的一种基于粒子群算法的非晶合金变压器参数优化设计方法， 其 特征还在于： 主 要技术性能指标、 材 料与工艺 技术等约束条件为： 1)空载损耗： P0(X)≤P0r； 2)负载损耗： Pk(X)≤Pkr； 3)空载电流： I0(X)≤I0r；权　利　要　求　书 2/3 页 3 CN 115203857 A 3