遗传-粒子群综合算法及其在定子双绕组风力感应发电机优化设计中的应用

作者：罗张尧; 韩力; 罗辞勇; 金钊; 袁春; 苏红春

来源：太阳能学报, 2017, 38(04): 928-937.

DOI：10.19912/j.0254-0096.2017.04.010

• 粒子群算法
• 遗传算法
• memetic算法
• 学习策略
• 电机设计

针对粒子群优化(particle swarm optimization,PSO)算法收敛过程中种群多样性丢失而导致早熟收敛的问题,提出一种具有双重学习能力的遗传-粒子群综合算法(genetic-particle swarm memetic algorithm,GPSMA)。该算法引入遗传操作,具有向成功和失败双重学习的能力,并融入振荡参数策略和阻尼边界条件处理方法。通过4个典型测试函数对GPSMA与其他3种优化算法的数值试验对比,表明GPSMA具有良好的全局收敛能力。在此基础上,以变速范围内控制绕组电流最小为优化目标,运用GPSMA对1台18.5 k W的定子双绕组感应发电机(dual statorwinding induction generator,DWIG)进行优化设计。结果表明,优化后的样机使控制绕组电流幅值下降了62.7%,说明GPSMA可有效应用于DWIG优化问题的求解。

• 单位
  输配电装备及系统安全与新技术国家重点实验室; 中国人民解放军重庆通信学院; 重庆大学; 国网重庆市电力公司