인공 벌새 최적화 장치를 이용한 포화 거동을 참조한 변압기 매개변수 추정

Scientific Reports 12권, 기사 번호: 19623(2022) 이 기사 인용

1331 액세스

2 인용

측정항목 세부정보

이 문서는 전기 변압기의 알려지지 않은 매개변수를 정의하는 효율적인 도구를 제공합니다. 제안된 방법론은 AHO(Artificial Hummingbird Optimizer)를 기반으로 개발되어 변압기의 알려지지 않은 매개변수에 대한 최상의 값을 생성합니다. 초기 단계에서 변압기 전기 등가물의 매개변수 추출은 관련 작동 불평등 제약 조건과 함께 최적화 함수로 적용됩니다. 여기서는 변압기 명판 데이터의 여러 변수 중 절대 오차(SAE)의 합이 최소화되도록 결정됩니다. 4kVA 및 15kVA 변압기 등급의 두 가지 테스트 사례는 최근의 다른 까다로운 최적화 프로그램과 비교하여 AHO의 능력을 나타내는 것으로 입증되었습니다. 제안된 AHO는 다른 경쟁 알고리즘보다 가장 낮은 SAE 값을 달성합니다. 이러한 노력의 고급 단계에서는 최대 효율성을 달성하기 위한 부하 비율의 캡처가 확인됩니다. 이후 단계에서는 이러한 변압기 장치의 전원 공급 시 주요 동작을 조사하기 위해 AHO에서 잘라낸 추출된 매개변수를 활용하는 변압기 성능이 만들어집니다. 결국 AHO는 정상 상태 및 돌입 동작에 대한 정확한 시뮬레이션을 달성하는 데 많은 도움이 되는 최고의 변압기 매개변수 값을 생성한다는 것을 확인할 수 있습니다.

전력 변압기는 전력 시스템의 필수이자 주요 장비 중 하나입니다. 변압기는 매개변수 및 관련 손실을 기준으로 99%에 달하는 고효율로 송전선을 통해 발전 플랜트에서 배전 영역으로 에너지를 전송할 수 있습니다1. 손실을 최소화하고 성능을 개선하며 운영 비용을 최소화하기 위해 변압기 매개변수를 구상하기 위한 여러 연구가 도입되었습니다. 알려지지 않은 변압기 매개변수는 주파수 의존성으로 인해 비선형적이므로 변압기 모델링 정확도가 더욱 복잡해집니다2. 변압기 매개변수 추정은 필수 표준 및 사양을 실현하기 위한 최적의 변압기 설계를 위한 엄청난 필수 과제가 되었습니다3,4. 변압기 비선형 성능은 in2,5로 처리되었습니다. 변압기의 알 수 없는 매개변수 결정은 작동 상태에 영향을 받습니다. 정상 또는 일시적인 조건5,6. 이러한 매개변수는 다양한 방법을 사용하여 추정할 수 있습니다: 잘 알려진 테스트; 무부하 및 단락 테스트7,8, 변압기의 물리적 크기9, 제조업체 데이터10 및 다양한 부하 정보7에서. 주로 유한 요소 분석(FEA)을 기반으로 변압기 물리적 크기를 빠르게 평가하기 위해 분석 방법이 사용되었습니다. 최근에는 비전통적인 탐구 및/또는 진화 계산 알고리즘이 적용되었습니다. 진화 알고리즘은 목표를 무작위로 달성할 수 있기 때문에 최적화 문제를 해결하는 높은 능력을 가지고 있습니다7. 최적화 방법은 최적의 부하 흐름 및 배분 관리 시스템으로 전기 작동 매개변수를 찾는 것 외에도 전기 모터, 연료 전지 및 저장 장치와 같은 기타 전기 장치뿐만 아니라 변압기의 알려지지 않은 매개변수를 추출하는 데 활용되었습니다12,13,14,15 . 최적화 알고리즘의 정확성은 추출된 매개변수 값을 실제 값과 비교하여 테스트됩니다. 입자 떼 최적화(PSO)를 통해 변압기 매개변수를 추정하고 20kHz~1MHz 사이의 주파수에서 단자 동작을 연구하기 위해 그레이 박스 모델이 제안되었습니다. 이 방법은 권선 인덕턴스, 커패시턴스 및 손실 매개변수를 정의하기 위해 물리적 치수를 평가하는 방법에 따라 달라집니다6. 부하 테스트에서 얻은 데이터는 PSO12를 통해 단상 및 3상 전력 변압기 매개변수를 추출하는 데 사용되었으며 포렌식 기반 알고리즘1은 단상 변압기(SPT)에만 적용되었습니다. 또한 슬라임 몰드 최적화 프로그램은 단상 및 3상 변압기 매개변수 추정에 모두 적용되었으며 다른 최적화 프로그램과 비교되었습니다. 4kVA SPT 매개변수는 법의학 기반 조사, PSO1 및 박테리아 채집20 알고리즘을 통한 부하 테스트에서 얻은 데이터와 카오스 최적화7를 통한 입력 데이터를 사용하여 추출되었습니다. 무부하 손실은 쥐가오리 채집 최적화 장치(MRFO)와 Chaotic MRFO3를 사용하여 목적 함수(OF)에 포함되었습니다. 다른 최적화 프로그램은 변압기 매개변수를 평가하기 위해 제안되었으며 3개 및 단일 변압기에 대한 코요테 최적화 프로그램으로 확인하기 위한 실제 테스트를 수행했으며 Jellyfish 검색 최적화 프로그램, 중력 검색 알고리즘(GSA) 및 4kVA 등급의 SPT에 대한 기계 학습 접근 방식을10,22,23 . 변압기 매개변수를 평가하기 위해 다목적 진화 최적화가 적용되었으며 FEA를 사용하여 개선되었으며 결과를 실제 측정 및 동작과 비교하여 검증되었습니다11. 실제 측정, 다양한 저속 주파수 및 관련 변압기 권선비를 사용한 온라인 변압기 매개변수 평가가 적용되어 빠른 결과를 얻고 고주파 기기의 필요성이 줄어듭니다24. 측정된 전압 비율로 추정된 전달 함수의 도움으로 최적화 방법을 통한 간단한 블랙박스 알고리즘이 도입되어 1kHz~1MHz 사이의 주파수와 시간 영역에서 배전 변압기 매개변수를 추출했습니다.