一种基于遗传算法的变压器价格优化方法及装置制造方法及图纸

一种基于遗传算法的变压器价格优化方法及装置，属于启发式算法领域。本发明专利技术首先录入基本参数，选定可优化变量；利用随机过程生成伪初始种群，设定适应度函数和阈值；选出适应度较高个体进行重组和运算，用运算结果组成下一代种群；重复直到伪初始种群中最佳适应度达到阈值，将最佳适应度个体取出；将这些个体作为初始种群重新设定适应度函数、迭代次数N，将种群中价格最低的10个不同的个体输出。一种基于遗传算法的330kV及以下常规结构变压器设计优化装置包括参数输入模块、遗传引擎模块、参数计算与检查模块和方案输出模块。本发明专利技术能有效解决使用随机过程很难得到可行解的问题，同时使变压器各项指标合格的前提下生产成本最小化。

【技术实现步骤摘要】
一种基于遗传算法的变压器价格优化方法及装置
本专利技术涉及一种基于遗传算法的变压器价格优化方法及装置，特别涉及一种在多约束、动态约束等条件限制下的多维离散变量优化的方法及装置，属于启发式算法领域。
技术介绍
变压器是电网中很重要的电器设备，在电能远送和利用中担负着不可缺少的任务。变压器通常由各个部件组合而成，包括线圈、铁芯等等，一个变压器的正常运行需要其组成部件满足各种约束条件，包括匝数、阻抗、磁通等多种要求，同时为了良好的适应各种工作条件，对于不同的温度、压强等条件，变压器也要满足相应的不同约束。因此，如何在满足多种条件约束，甚至是随某些变量而改变的动态约束的前提下，能够尽量减少变压器各器件的总制作价格，在工业生产中变得愈发重要。此外，出于对实际情况的考虑，变压器的各种器件的选择是相对有限的，这就导致了构成变压器的各参数的取值范围可能是很小且离散的，这无疑给变压器价格的优化问题增加了新的难度。对于这类优化问题，工程设计领域主要在两个方面进行，包括线性领域和非线性领域，对应的约束优化算法主要分为确定性算法和启发式算法，其中，启发式算法由于其良好的全局搜索能力，逐渐成为研究的热点。启发本文档来自技高网...

【技术保护点】
一种基于遗传算法的变压器价格优化方法，其特征在于包括以下步骤：步骤一：根据生产要求录入各项基本参数，选定变压器参数中的可优化变量；步骤二：利用随机过程生成伪初始种群，并为伪初始种群设定适应度函数和适应度阈值；根据线规和线圈的选型确定各项参数的取值范围，利用随机过程生成基因个体。根据以下公式计算线圈电抗高度，Hk＝na*nd*hb+(nα*nd‑1)*hdy*(1‑Kds)，其中na为轴向并绕根数，nd为段数，hdy为油道高度，1‑Kds为油道压缩系数，hb的取值如下：当线规类型为网包换位导线时，hb＝Bt‑δt/2；当线规类型为自粘性导线时，

【技术特征摘要】
1.一种基于遗传算法的变压器价格优化方法，其特征在于包括以下步骤：步骤一：根据生产要求录入各项基本参数，选定变压器参数中的可优化变量；步骤二：利用随机过程生成伪初始种群，并为伪初始种群设定适应度函数和适应度阈值；根据线规和线圈的选型确定各项参数的取值范围，利用随机过程生成基因个体。根据以下公式计算线圈电抗高度，Hk＝na*nd*hb+(nα*nd-1)*hdy*(1-Kds)，其中na为轴向并绕根数，nd为段数，hdy为油道高度，1-Kds为油道压缩系数，hb的取值如下：当线规类型为网包换位导线时，hb＝Bt-δt/2；当线规类型为自粘性导线时，当线规类型为纸包铜扁线或组合导线时，其中Bt为线规宽度，δt为外包绝缘皮厚度；根据压缩系数1-Kds的取值范围，分别计算出低压线圈电抗高度和高压线圈电抗高度变化范围(Hk1min，Hk1max)和(Hk2min，Hk2max)，定义伪初始种群的适应度函数f1(x)＝length((Hk1min，Hk1max)∩(Hk2min，Hk2max))根据生产需求，将适应度阈值设置为5；设定重组运算的概率P1和变异运算的概率P2；步骤三：不断选出伪初始种群中适应度较高的个体进行重组和运算，用运算结果组成下一代种群；步骤四：重复步骤三直到伪初始种群中具有最佳适应度的个体达到了适应度阈值，将其取出并放入初始种群中；步骤五：重复步骤四，直到取出一定数量的个体，将这些个体作为初始种群，重新设定适应度函数；步骤六：设定迭代次数N，对初始种群执行步骤三中的操作N次后将种群中价格最低的10个不同的个体输出。...

【专利技术属性】
技术研发人员：金福生，李云帆，金昊宸，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11