论文部分内容阅读
摘 要：本软件编程语言为Visual Basic和C++，编程语言和变压器设计原理相结合。采用分层遗传算法实现变压器的优化设计，并以220kV两圈变压器为实例进行验证，改进的MLGA比单层传统GA成本节省了3.02%，比手工设计方案节约9.48%。开发了10-220kV等级变压器的优化设计软件及界面，实现变压器设计人员由手工计算向计算机软件计算转变。
关键词：Visual Basic；变压器设计原理；分层遗传算法；变压器优化设计
1 概述
变压器优化设计软
件节约设计成本，提高设计质量，缩短产品的开发周期，将人工智能技术、数据库技术应用于设计中去，快速设计其结构方案，进一步提高公司的技术水平、企业形象和在市场中的核心竞争力。研究基于知识工程的计算机集成系统对变压器制造企业在“以市场需求为中心”的激烈竞争中有着很强的应用价值，对我国变电设
备制造企业和国民经济的发展有重要的现实意义[1]。
2 分层遗传算法的原理
本软件采用改进的分层遗传算法进行优化设计，传统的遗传算法是将所有设计优化变量进行编码形成一个向量（染色体），然后由染色体组成一个种群进行进化操作；分层遗传算法的基本思想是将设计优化变量根据工程实际权重或优化先后顺序分类并进行独立编码，放置在不同的层中，每层中可以有多个种群进行并行的遗传操作，因此每个种群可以采用不同的遗传算子、不同的遗传参数，并行的设计。不失一般性，这里以三层遗传优化算法为例，简要介绍分层遗传算法原理[2]。如图1所示。
第一层GA1是控制其他模块的独立遗传算法，第二层GA2和第三层GA3分别由一系列的模块组成，每个模块对应一个子问题，每个子问题对应一个独立的GA，且同一层中的各个模块的编码相同。一个独立的GA可以用以下格式来描述：
GA=（PO,PS,IS,FIT,SO,CO,MO）
(1)其中PO、PS、IS、FIT，分别表初始种群、种群大小、编码长度以及适应度值，SO、CO、MO分别代表选择、交叉、变异，故分层遗传算法可以用下式描述：
GAij=（POij,PSij,ISij,FITij,SOij,COij,MOij）
(2) 其中下标i和j表示分层遗传算法第i层第j个模块，GAij表示用独立遗传算法求解第i层第j个模块。由于上层和下层以及同层相邻模块之间的影响，考虑上层和下层之间的影响，GAij可以表示为式(3)。
GAij={POij（GAi-1,j）,PSij（GAi-1,j）,ISij（GAi-1,j）,FITij（GAi-1,j）,SOij（GAi-1,j）,COij（GAi-1,j）,MOij（GAi-1,j）}（3）
如果考虑同层相邻模块的影响则GAij表示为式(4)。
GAij={POij（GAi-1,j,GAi-1,j,GAi-1,j）,PSij（GAi-1,j,GAi,j-1,GAi,j +1）,
ISij（GAi-1,j,GAi,j-1,GAi,j +1）,FITij（GAi-1,j,GAi,j-1,GAi,j +1）,
SOij（GAi-1,j,GAi,j-1,GAi,j +1）,COij（GAi-1,j,GAi,j-1,GAi,j +1）,
MO（GAi-1,j,GAi,j-1,GAi,j +1）}（4）
可以看出GAij除了受到自身的变量数目、变量变化范围以及目标解的精度的影响外，还受到上层GAi-1,j或者同层模块GAi,j-1和GAi,j +1的影响。
分层遗传算法的优点在于：
1) 动态编码：下层染色体的编码长度、设计变量的变化范围和精度等随着上层染色体的编码动态的调节变化。
2) 抑制早熟：同层中不同模块进行并行的遗传操作，且相对独立，能有效增强群体的多样性，如果其中一个子模块陷入局部最优，可以通过其它模块的进化跳出局部搜索，在全局范围内进行搜索.
3) 动态调整遗传因子：每个子模块之间的关系相对独立，所以选择、交叉、变异、种群大小、进化代数等遗传操作可以在程序实现时动态的变化。
3 数据流程图
变压器设计涉及大量的数据，各种材料的数据，初始参数以及最后输出数据等，故需要合理、有序的加以管理，图2为数据流程图。
4 电力变压器电磁优化设计软件开发
本文完成了35kV、63kV、110kV、220kV四个电压等级油浸式电力变压器的电磁优化设计程序，并通过与手工设计的计算结果比较，验证了程序的正确性和有效性。
1) 电压等级选择模块
设计者进入软件后首先需要选择电压等级，如图3所示，使用者在四个子模块中进行具体的参数设置，以便进一步计算优化，在子模块中用户也可以重新选择电压等级从而跳到另一个电压等级的子模块设计中去。
2) 数据库管理
不同电压等级变压器的数据库是不一样的，故各自有独立的数据库，数据库所包含的内容如图4所示。用户可以对数据库里的参数进行修改，比如图4对35kV等级变压器饼式线圈和层式线圈的材料数据进行了分开管理，所有的管理都是基于文本文件操作完成，减少数据冗余度，以便于优化程序计算时候读取，提高计算速度。
3) 主界面模块
主界面如图5所示，在主界面中，用户可以管理所选择的电压等级的数据库、进行变压器设计、产品管理等，此时其它电压等级的数据库则被软件自动屏蔽。
4) 变压器主要性能指标输入模块
由于不同电压等级的变压器优化计算的参数设置不尽相同，且每种电压等级的计算模块是相互独立运行的，每次用户只能看到和操作所选电压等级的计算参数设置子界面，其它界面则自动屏蔽，如图6和7所示。
5)优化计算和结果查看
参数设置全部完成后才可以进行优化计算，只要有数据没输入即会自动提示，优化计算完成后可以以文本格式和EXCEL电子表格两种形式查看优化结果，如图8所示，其中文本形式的结果方便设计人员快速查看优化结果的优劣，而电子表格形式的结果是以变压器厂常用的模版输出的，方便设计人员找出各个变量所在的位置，同时也方便公司做出快速的竞标报价等商业性质的活动。
5 实例验证
本文是在满足所有约束条件下取成本最少为最佳方案。以220 kV两圈无载变压器优化，取单层GA种群个体数300，迭代次数为70，双层GA取第一层种群个体为10，第一层迭代次数为10，第二层种群个体为21，第二层迭代次数也为10。如表1所示改进的MLGA比单层传统GA成本节省了3.02%，比手工设计方案节约9.48%。图9为单层遗传算法和分层遗传算法的适应度值比较，可以看出双层GA跟单层GA相比更早收敛和找到较优解。
6 结论
本文研究了分层遗传算法的原理，将分层遗传算法应用于电力变压器优化的问题中，结合两圈变压器的设计实例，将该算法与传统遗传算法及手工设计方案进行比较，可以看出分层GA在成本上优于传统GA和手工设计方案，比手工设计时间节约更加明显，这给企业带来可观的经济效益。其次，本文给出软件各个模块的介绍，可以看出此软件具有操作简单、界面美观的特点。
参考文献
[1] 尹克宁， 变压器设计原理[M]，中国电力出版社,2002.
[2]Li Q S, Liu D K, Leung A Y T, et al. A multilevel genetic algorithm for the optimum design of structural control systems[J]. INTERNATIONAL JOURNAL FOR NUMERICAL METHODS IN ENGINEERING, 2002; 55:817-834 .
关键词：Visual Basic；变压器设计原理；分层遗传算法；变压器优化设计
1 概述
变压器优化设计软
件节约设计成本，提高设计质量，缩短产品的开发周期，将人工智能技术、数据库技术应用于设计中去，快速设计其结构方案，进一步提高公司的技术水平、企业形象和在市场中的核心竞争力。研究基于知识工程的计算机集成系统对变压器制造企业在“以市场需求为中心”的激烈竞争中有着很强的应用价值，对我国变电设
备制造企业和国民经济的发展有重要的现实意义[1]。
2 分层遗传算法的原理
本软件采用改进的分层遗传算法进行优化设计，传统的遗传算法是将所有设计优化变量进行编码形成一个向量（染色体），然后由染色体组成一个种群进行进化操作；分层遗传算法的基本思想是将设计优化变量根据工程实际权重或优化先后顺序分类并进行独立编码，放置在不同的层中，每层中可以有多个种群进行并行的遗传操作，因此每个种群可以采用不同的遗传算子、不同的遗传参数，并行的设计。不失一般性，这里以三层遗传优化算法为例，简要介绍分层遗传算法原理[2]。如图1所示。
第一层GA1是控制其他模块的独立遗传算法，第二层GA2和第三层GA3分别由一系列的模块组成，每个模块对应一个子问题，每个子问题对应一个独立的GA，且同一层中的各个模块的编码相同。一个独立的GA可以用以下格式来描述：
GA=（PO,PS,IS,FIT,SO,CO,MO）
(1)其中PO、PS、IS、FIT，分别表初始种群、种群大小、编码长度以及适应度值，SO、CO、MO分别代表选择、交叉、变异，故分层遗传算法可以用下式描述：
GAij=（POij,PSij,ISij,FITij,SOij,COij,MOij）
(2) 其中下标i和j表示分层遗传算法第i层第j个模块，GAij表示用独立遗传算法求解第i层第j个模块。由于上层和下层以及同层相邻模块之间的影响，考虑上层和下层之间的影响，GAij可以表示为式(3)。
GAij={POij（GAi-1,j）,PSij（GAi-1,j）,ISij（GAi-1,j）,FITij（GAi-1,j）,SOij（GAi-1,j）,COij（GAi-1,j）,MOij（GAi-1,j）}（3）
如果考虑同层相邻模块的影响则GAij表示为式(4)。
GAij={POij（GAi-1,j,GAi-1,j,GAi-1,j）,PSij（GAi-1,j,GAi,j-1,GAi,j +1）,
ISij（GAi-1,j,GAi,j-1,GAi,j +1）,FITij（GAi-1,j,GAi,j-1,GAi,j +1）,
SOij（GAi-1,j,GAi,j-1,GAi,j +1）,COij（GAi-1,j,GAi,j-1,GAi,j +1）,
MO（GAi-1,j,GAi,j-1,GAi,j +1）}（4）
可以看出GAij除了受到自身的变量数目、变量变化范围以及目标解的精度的影响外，还受到上层GAi-1,j或者同层模块GAi,j-1和GAi,j +1的影响。
分层遗传算法的优点在于：
1) 动态编码：下层染色体的编码长度、设计变量的变化范围和精度等随着上层染色体的编码动态的调节变化。
2) 抑制早熟：同层中不同模块进行并行的遗传操作，且相对独立，能有效增强群体的多样性，如果其中一个子模块陷入局部最优，可以通过其它模块的进化跳出局部搜索，在全局范围内进行搜索.
3) 动态调整遗传因子：每个子模块之间的关系相对独立，所以选择、交叉、变异、种群大小、进化代数等遗传操作可以在程序实现时动态的变化。
3 数据流程图
变压器设计涉及大量的数据，各种材料的数据，初始参数以及最后输出数据等，故需要合理、有序的加以管理，图2为数据流程图。
4 电力变压器电磁优化设计软件开发
本文完成了35kV、63kV、110kV、220kV四个电压等级油浸式电力变压器的电磁优化设计程序，并通过与手工设计的计算结果比较，验证了程序的正确性和有效性。
1) 电压等级选择模块
设计者进入软件后首先需要选择电压等级，如图3所示，使用者在四个子模块中进行具体的参数设置，以便进一步计算优化，在子模块中用户也可以重新选择电压等级从而跳到另一个电压等级的子模块设计中去。
2) 数据库管理
不同电压等级变压器的数据库是不一样的，故各自有独立的数据库，数据库所包含的内容如图4所示。用户可以对数据库里的参数进行修改，比如图4对35kV等级变压器饼式线圈和层式线圈的材料数据进行了分开管理，所有的管理都是基于文本文件操作完成，减少数据冗余度，以便于优化程序计算时候读取，提高计算速度。
3) 主界面模块
主界面如图5所示，在主界面中，用户可以管理所选择的电压等级的数据库、进行变压器设计、产品管理等，此时其它电压等级的数据库则被软件自动屏蔽。
4) 变压器主要性能指标输入模块
由于不同电压等级的变压器优化计算的参数设置不尽相同，且每种电压等级的计算模块是相互独立运行的，每次用户只能看到和操作所选电压等级的计算参数设置子界面，其它界面则自动屏蔽，如图6和7所示。
5)优化计算和结果查看
参数设置全部完成后才可以进行优化计算，只要有数据没输入即会自动提示，优化计算完成后可以以文本格式和EXCEL电子表格两种形式查看优化结果，如图8所示，其中文本形式的结果方便设计人员快速查看优化结果的优劣，而电子表格形式的结果是以变压器厂常用的模版输出的，方便设计人员找出各个变量所在的位置，同时也方便公司做出快速的竞标报价等商业性质的活动。
5 实例验证
本文是在满足所有约束条件下取成本最少为最佳方案。以220 kV两圈无载变压器优化，取单层GA种群个体数300，迭代次数为70，双层GA取第一层种群个体为10，第一层迭代次数为10，第二层种群个体为21，第二层迭代次数也为10。如表1所示改进的MLGA比单层传统GA成本节省了3.02%，比手工设计方案节约9.48%。图9为单层遗传算法和分层遗传算法的适应度值比较，可以看出双层GA跟单层GA相比更早收敛和找到较优解。
6 结论
本文研究了分层遗传算法的原理，将分层遗传算法应用于电力变压器优化的问题中，结合两圈变压器的设计实例，将该算法与传统遗传算法及手工设计方案进行比较，可以看出分层GA在成本上优于传统GA和手工设计方案，比手工设计时间节约更加明显，这给企业带来可观的经济效益。其次，本文给出软件各个模块的介绍，可以看出此软件具有操作简单、界面美观的特点。
参考文献
[1] 尹克宁， 变压器设计原理[M]，中国电力出版社,2002.
[2]Li Q S, Liu D K, Leung A Y T, et al. A multilevel genetic algorithm for the optimum design of structural control systems[J]. INTERNATIONAL JOURNAL FOR NUMERICAL METHODS IN ENGINEERING, 2002; 55:817-834 .