基于遗传算法的高频高压变压器设计优化方法
【专利摘要】本发明公开了一种基于遗传算法的高频高压变压器设计优化方法，本发明基于变压器的最小损耗公式、变压器的绝缘尺寸和铁芯形状建立数学模型，以原边匝数和副边层数为优化变量，效率为优化目标，采用遗传算法对变压器进行优化，使得变压器的效率最大化，损耗最小化，同等条件下也意味着温升最小化，充分利用变压器的漏感和分布电容参与到电源系统的工作中，构成LCC谐振电路，减少变压器的损耗，从而降低温升。与现有技术相比，本发明中引入了遗传算法，遗传算法具有与问题无关切快速随机的搜索能力，搜索从群体出发，具有并行性的特点，可以进行多个个体的同时比较，大大加快了寻找最优解的速度。
【专利说明】基于遗传算法的高频高压变压器设计优化方法
【技术领域】
[0001] 本发明涉及一种高频高压变压器的设计方法，尤其涉及一种基于遗传算法的静电 除尘电源用高频高压变压器的设计方法。
【背景技术】
[0002] 随着国内工业迅猛发展，使人们生活越来越便利，但随之而来的环境污染问题越 来越严重，特别是严重的雾霾天气给我们的健康和出行产生了严重的影响，新的大气排放 标准的制定给除尘工业带来了新的要求与机遇。高频高压静电除尘电源在除尘工业中得到 越来越广泛的应用，同时对其性能要求也越来越高。
[0003] 高频变压器是整个静电除尘电源的核心部件，但变压器温度过高、散热不及时的 异常情况常会发生，特别是高频变压器随着输入的高频化，表现出来的特性与工频变压器 大为不同，温度过高不仅会影响变压器的绝缘寿命，严重的甚至影响电网的稳定运行，给人 们的生产生活带来不必要的损失，所以必须将高频高压变压器温度控制在一个合理的范围 内。由于变压器的自身散热能力有限，因此变压器的优化设计和增加辅助散热装置对于降 低变压器温度来讲是必不可少的。
【发明内容】
[0004] 本发明的目的在于提供一种基于遗传算法的高频高压变压器设计优化方法，充 分利用高频变压器的漏感和分布电容参与电路的谐振过程，使电源工作在电流断续模式 (DCM)下，基于变压器的最小损耗公式、变压器的绝缘尺寸和铁芯形状建立数学模型，以变 压器的原边匝数和副边层数为优化变量，以效率为优化目标，采用遗传算法对变压器进行 优化，使得变压器的效率最大化，损耗最小化，温升最小化，使变压器运行更加稳定，使用寿 命更长。
[0005] 本发明的目的通过以下技术方案予以实现：
[0006] -种基于遗传算法的高频高压变压器设计优化方法，包括以下步骤：
[0007] 步骤1 :基于变压器的最小损耗公式、变压器的绝缘尺寸和铁芯形状建立数学模 型，数学模型为：
[0008]
【权利要求】
1. 一种基于遗传算法的高频高压变压器设计优化方法，其特征在于，包括以下步骤： 步骤1 :基于变压器的最小损耗公式、变压器的绝缘尺寸和铁芯形状建立数学模型，数 学模型为：
式中Up为原边电压，K是波形系数，f是工作频率，Bm是工作磁通密度，P。为铁芯密度，Pw是绕组导体的电阻率，Ii1是原边匝数，n2。是副边层数，η是变压器效率，lp、Is分别是 原、副边绕组长度，Sp、Ss分别是原、副边绕组截面积，P。是绕组输出功率； 步骤2 :通过变压器数学模型构建遗传算法的优化函数，考虑到数学模型的复杂性，建 立双优化函数W1、W2，且W1、W2与效率η正相关：
其中P。表不变压器的输出功率；Up表不原边输入电压；A。表不磁芯截面积；Ii1表不磁芯 窗口高度；LW表示磁芯窗口宽度；P。表示磁芯密度；Κ。、α、β是磁芯材料的损耗常数，通过 查表获得；f表示变压器的频率；Bm表示变压器的磁通密度；Pw表示铜导体的电阻率；kp_s、 kp_x分别表示原边绕组的集肤效应系数与邻近效应系数；ks_s、ks_x分别表示副边绕组的集肤 效应系数与邻近效应系数；IpUs分别表示原、副边的绕组长度；Sp、Ss分别表示原、副边的绕 组的截面积；V。表示磁芯的体积； Lw = 2X(L^n1XL2+L3+n2cXL4) +L5 Ac =Up/Kfnrt 步骤3:定义迭代次数及用于优化高频高压变压器的参数，并对待解决问题进行编码； 初始化变压器的原边匝数Ii1和副边绕组层数n2。及迭代次数N; nI-IIiin^H1 <η1-max? ^-2c-min〈η。。〈η。。-max'N€Nmax 步骤4:随机初始化群体P(O) = (PpPrPfPn); 步骤5:根据目标函数建立适应度函数，并计算群体上每个个体的适应度值（F); maxi=max(W1) mini=min(W1) max2 =max(W2) min2 =min(W2) Ml=I/(maxl-minl) M2 =I/(max2_min2) 则适应度函数为：F= (W1Iinl)XMl+(W2-min2)XM2 ; 步骤6 :评估适应度，对当前群体P(t)中每个个体Pi计算其适应度F(i)，适应度表示 了该个体的性能好坏；采用公式P(i) =F(i)/sum(F)评估个体的适应度，每一代群体中占 的比重越大适应度越高； 步骤7:按由个体适应度值所决定的规则应用选择算子产生中间代Pr(t); 步骤8:依照P。选择个体进行交叉操作； 步骤9:依照Pm对繁殖个体进行变异操作； 步骤10 :判断终止条件是否满足，如果满足，优化结束，保存结果，如果不满足则返回 到步骤5; 、卜圓< ?丨< ?卜,匪 判断条件：<"?< % < %.," , N>N賴 若满足条件就结束优化，否则继续迭代，直到达到最大迭代次数； 步骤11 :输出种群中适应度值最优的个体。
2. 如权利要求1所述的基于遗传算法的高频高压变压器设计优化方法，其特征在于， 所述步骤 4 的P(O) =(P1,ρ2,ρ3...ρη)，η取 20 ?200。
3. 如权利要求1所述的基于遗传算法的高频高压变压器设计优化方法，其特征在于， 所述步骤7的选择算子为轮盘式选择算子或随机一致选择算子或锦标赛选择算子。
4. 如权利要求1所述的基于遗传算法的高频高压变压器设计优化方法，其特征在于， 所述步骤8的Ρ。= 0. 6?1. 0。
5. 如权利要求1所述的基于遗传算法的高频高压变压器设计优化方法，其特征在于， 所述步骤9的Pni = 0. 005?0. 05。
【文档编号】G06F17/50GK104317979SQ201410413518
【公开日】2015年1月28日 申请日期:2014年8月20日 优先权日:2014年8月20日
【发明者】曾庆军, 张磊 申请人:江苏科技大学