人工ハチドリオプティマイザを使用した飽和挙動を参照した変圧器パラメータの推定

Scientific Reports volume 12、記事番号: 19623 (2022) この記事を引用

1331 アクセス

2 引用

メトリクスの詳細

この論文は、変圧器の未知のパラメータを定義するための効率的なツールを提供します。 提案された方法論は、変圧器の未知のパラメーターの最適な値を生成するために、人工ハチドリ オプティマイザー (AHO) に基づいて開発されています。 初期段階では、パラメータによる変圧器の電気的等価物の抽出は、関連する動作不等式制約とともに最適化関数として適応されます。 ここでは、変圧器の銘板データから得られる多くの変数間の絶対誤差 (SAE) の合計が最小化されるように決定されます。 変圧器定格 4 kVA および 15 kVA の 2 つのテスト ケースを示し、最近の他の困難なオプティマイザーと比較した AHO の能力を示します。 提案された AHO は、他の競合アルゴリズムよりも最も低い SAE 値を達成します。 この取り組みの進んだ段階では、最大の効率を達成するための負荷の割合を把握することが確認されます。 後の段階では、AHO によって切り取られた抽出パラメータを利用して変圧器の性能を評価し、これらの変圧器ユニットの通電時の主な動作を調査します。 最後に、AHO が定常状態および突入動作の正確なシミュレーションを達成するのに大いに役立つ変圧器パラメーターの最良の値を生成することが確認できます。

電源変圧器は、電力システムに不可欠かつ主要な機器の 1 つです。 変圧器は、パラメータと関連する損失に基づいて 99% に達する高効率で、発電プラントから送電線を介して配電エリアにエネルギーを伝送できます1。 損失を最小限に抑え、性能を向上させ、運用コストを最小限に抑えるための変圧器パラメータを想定するために、いくつかの研究が導入されています。 未知の変圧器パラメータは周波数依存性があるため非線形であり、変圧器のモデリングの精度がより複雑になります2。 変圧器パラメータの推定は、強制的な規格と仕様を実現するための最適な変圧器設計にとって、非常に重要な課題となりました 3,4。 変圧器の非線形性能は、2、5 のように対処されています。 変圧器の未知パラメータの決定は、変圧器の動作状態に影響されます。 定常状態または過渡状態5、6。 これらのパラメータは、よく知られたテストなどのさまざまな方法を使用して推定できます。 無負荷および短絡テスト7、8、変圧器の物理的サイズ9、メーカーのデータ10、およびさまざまな負荷下での情報7。 主に、解析手法は有限要素解析 (FEA) に基づいた変圧器の物理的サイジングの迅速な評価に使用されてきました。 最近、従来とは異なる探索的および/または進化的計算アルゴリズムが適用されています11。 進化的アルゴリズムはランダムに目的を達成できるため、最適化問題を解決する高い能力を持っています7。 最適化手法は、最適な負荷流および配電管理システムとしての電気動作パラメータを見つけることに加えて、変圧器の未知のパラメータや電気モーター、燃料電池、蓄電ユニットなどの他の電気デバイスを抽出するために利用されてきました12、13、14、15。 。 最適化アルゴリズムの精度は、抽出されたパラメータ値を実際のパラメータ値と比較することによってテストされます16、17、18。 グレー ボックス モデルは、変圧器パラメータを推定し、粒子群最適化 (PSO) を介して 20 kHz ～ 1 MHz の周波数での端子の動作を研究するために提案されています。 この方法は、巻線のインダクタンス、静電容量、損失パラメータを定義するための物理的寸法の評価に依存しています6。 負荷テストから得られたデータは、PSO12 を介して単相と三相の両方の電力変圧器パラメータを抽出するために使用され、フォレンジックベースのアルゴリズム 1 は単相変圧器 (SPT) にのみ適用されています。 また、粘菌オプティマイザーは単相変圧器と三相変圧器の両方のパラメーター推定に適用され、他のオプティマイザーと比較されています19。 4 kVA SPT パラメータは、法医学ベースの調査、PSO1 および細菌採取 20 アルゴリズムによる負荷テストから得られたデータと、カオス最適化 7 による入力データを使用して抽出されました。 無負荷損失は、マンタ採餌オプティマイザー (MRFO) とカオス MRFO3 を使用して目的関数 (OF) に含まれています。 他のオプティマイザは、変圧器パラメータを評価するために提案されており、3 つおよび単一の変圧器用のコヨーテ オプティマイザとして確認のための実用的なテストを実施しました 21、および 4 kVA 定格の SPT 用のクラゲ探索オプティマイザ、重力探索アルゴリズム (GSA) および機械学習アプローチ 10、22、23 。 多目的進化的最適化は、変圧器パラメータの評価に適用され、FEA を使用して改善され、結果を実際の測定および動作と比較することによって検証されています11。 実際の測定、さまざまな低速周波数、および関連する変圧器巻数比を使用したオンライン変圧器パラメータ評価が適用され、迅速な結果が得られ、高周波機器の必要性が軽減されました24。 測定された電圧比によって推定された伝達関数を利用した最適化手法による単純なブラックボックス アルゴリズムが、1 kHz ～ 1 MHz の周波数および時間領域で配電変圧器パラメータを抽出するために導入されました25。