[發(fā)明專利]雙饋風(fēng)力發(fā)電機多目標混合粒子群優(yōu)化設(shè)計方法

有效

• 申請?zhí)枺?/td>: 201010168820.3
• 申請日: 2010-05-11
• 公開（公告）號: CN101833607A
• 公開（公告）日: 2010-09-15
• 發(fā)明（設(shè)計）人: 夏長亮;喬照威;王慧敏;史婷娜
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06F17/50
• 分類號: G06F17/50;H02P27/04
• 代理公司: 天津市北洋有限責任專利代理事務(wù)所 12201
• 代理人: 程毓英

1.一種雙饋風(fēng)力發(fā)電機多目標混合粒子群優(yōu)化設(shè)計方法，其特征在于，該優(yōu)化方法包括下列步驟：

第一步：針對變速恒頻風(fēng)力發(fā)電系統(tǒng)性能指標及經(jīng)濟指標要求，確定雙饋風(fēng)力發(fā)電機的約束條件和待優(yōu)化的設(shè)計變量，并選取雙饋風(fēng)力發(fā)電系統(tǒng)總成本及整體效率、雙饋發(fā)電機體積和運行效率曲線平滑性作為優(yōu)化目標，分別建立子目標函數(shù)方程，構(gòu)成多目標函數(shù)；

第二步：以待優(yōu)化的設(shè)計變量構(gòu)造變量空間，根據(jù)變速恒頻雙饋風(fēng)力發(fā)電機的約束條件確定設(shè)計數(shù)據(jù)，根據(jù)目標值優(yōu)劣構(gòu)造種群的非支配解集；

第三步：利用Pareto占優(yōu)機制，進行非支配解集排序，以非支配解為核心確定種群小生境，建立粒子速度更新機制，根據(jù)每個粒子對應(yīng)適應(yīng)度值模糊自適應(yīng)地調(diào)節(jié)該粒子未來的運動形態(tài)，利用基于小生境技術(shù)與聚集密度方法的變異操作，改善尋優(yōu)性能，最終獲得雙饋風(fēng)力發(fā)電機最優(yōu)設(shè)計方案；

第四步：按照最優(yōu)設(shè)計方案繪制雙饋風(fēng)力發(fā)電機各部分圖紙，線切割模具，沖模、疊壓、繞線、嵌線、浸漆、裝配，檢驗電機實際運行指標并與設(shè)計方案給出的指標比較，如其超出運行指標要求范圍，調(diào)整性能設(shè)計方案，重新進行優(yōu)化設(shè)計；如其滿足性能指標設(shè)計要求，方案定型并批量生產(chǎn)。

2.根據(jù)雙饋風(fēng)力發(fā)電機多目標混合粒子群優(yōu)化設(shè)計方法，其特征在于，第三步中，包括下列步驟：

①在變量空間，初始化種群P，粒子數(shù)為N，并將種群劃分為N_d1個子種群；

②基于Pareto占優(yōu)的思想，根據(jù)目標值優(yōu)劣對種群P進行分類排序，構(gòu)造不同支配等級的非支配解集，規(guī)定序號小的解集支配序號大的解集，并將第一非支配解集中粒子另存入集合Q；

③確定個體最優(yōu)解P_Best：對于每個粒子，當且僅當當前的解支配過去的個體最優(yōu)解P_Best時，利用當前解取代過去的P_Best，作為新的P_Best；但若當前解與原P_Best為非支配關(guān)系，將其與Q中粒子進行比較，若其被Q中粒子支配，則舍棄該解；若其不被Q中粒子支配，則將其加入Q，若該解同時還支配Q中其它粒子，則將其所支配粒子從Q中舍棄；

④確定局部最優(yōu)解L_Best：若當前第一非支配解集中非支配解個數(shù)多于N_d1，則隨機選取N_d1個粒子；若當前第一非支配解集中非支配解個數(shù)少于N_d1，則在次一級的非支配解集中隨機選取解補齊，以此類推，直至選取粒子數(shù)為N_d1；將種群其它粒子劃分為N_d1個子種群，將選取的N_d1個粒子分別分配給N_d1個子種群，使得每個子種群中含有一個所選解，它與其它粒子構(gòu)成一個小生境，并將該粒子作為當前小生境中的局部最優(yōu)解L_Best；

⑤確定全局最優(yōu)解G_Best：判斷L_Best是否均為第一非支配解集中的粒子，若均屬于第一非支配解集，則隨機選取一L_Best作為每個小生境粒子的全局最優(yōu)解G_Best，否則在第一非支配解集中隨機選取一粒子作為全局最優(yōu)解G_Best；

⑥基于各粒子與最優(yōu)粒子在目標函數(shù)空間的聚集距離，按照“聚集距離較大的粒子采用較大的慣性權(quán)重，聚集距離較小的粒子采用較小的慣性權(quán)重”原則確定每個粒子的慣性權(quán)重，且慣性權(quán)重的變化范圍隨著迭代周期的進行逐步減小，從而模糊自適應(yīng)地調(diào)節(jié)各粒子未來的運行形態(tài)，動態(tài)地平衡算法局部搜索和全局搜索能力；

⑦計算每個小生境中粒子的聚集密度，確定當前小生境的多樣性，同時計算小生境之間的聚集密度，確定種群總體的多樣性；根據(jù)種群總體多樣性的大小，確定變異粒子數(shù)，若當前種群多樣性高于規(guī)定的上限值，則不進行變異；反之，進行變異操作，且隨著種群多樣性的減小，增加變異粒子數(shù)；選取變異粒子時，優(yōu)先選取小生境聚集密度高的粒子，被確定的變異粒子重新隨機生成新的位置實現(xiàn)變異操作，歷史信息保持不變；

⑧回到步驟②執(zhí)行，直到獲得一個滿意的結(jié)果或達到最大迭代次數(shù)為止。