无刷双馈电机的电磁设计特点

1、无刷双馈电机的电磁设计特点    提出了改进的最短路遗传算法，用于对多个电压等级的纯开环输配电网进行综合规划，算法能考虑复功率、电压、容量以及树状约束，并得到全局优化解。在只考虑有功潮流的情况下，通过控制节点的出入度，提出了开环与非开环混合的输配电系统综合规划问题的近似解决方法。为了解决输配电系统规模大造成的计算量问题，给出了基于输配电系统知识的最短路算法。 关键词：输配电系统规划；遗传算法；最短路算法；启发式方法 1、引言 从物理或数学意义的角度讲，不同电压等级网络的综合规划对获得全局最优解，得到总体上最大的经济效益是必要的。然而，输配电系统的同时综合

2、规划长期以来并不被人们所重视，在实践中，人们普遍采用将各电压等级系统分层规划的策略。造成这种状况的原因主要是： 输配电系统的网络结构不同，进而导致优化算法不同； 各电压等级综合规划导致问题规模激增。另外，各级电网的分层管辖也是造成分层规划的一个实际原因。 本文对多电压等级、不同网络结构的输配电系统综合规划问题进行了研究，提出了基于知识的最短路遗传算法的解决方法1.文献1利用最短路遗传算法求解了配电系统重构问题。实际上，网络规划问题与网络重构问题可被看成一类问题，只不过是弧费用的计算方法不同而已，即规划问题的弧费用需要用分段函数来表示，从而考虑固定投资和不同的线型。 2、不同电压等级的开环系统综

3、合规划 在电力系统中，为了避免电磁环网，高中压配电网必定是开环运行的。这时就能利用能生成树状网络的最短路遗传算法来求解不同电压等级的开环系统综合规划问题。对于规划问题中根据安全性和可靠性的要求需要闭环设计的系统，可以先应用本文的方法得到树状网络，然后采用文献2的方法进行专门的联络线优化，以构成环网。最短路遗传算法是在同一个电压等级中实现的1，这样才能直接将负荷潮流迭加到各弧的流量上。对于多电压等级系统，只需仿照标幺值计算的原理将各电压等级的电气量折算到某一选定的电压等级上，就可以采用最短路遗传算法进行网络的全局优化。 3、开环与非开环混合输配电系统综合规划 如果需要进一步将开环与非开环系统综合

4、规划，或配电系统允许弱环运行，最短路遗传算法就不能直接应用了。 但是，经过下述2个改变以后，最短路遗传算法即可近似地求解上述问题了。 3.1 节点入度限制 首先，应允许在不需要放射运行的节点构成环。这可通过检测和限制节点入度数的方法来实现。最短路遗传算法中，在形成寻路网络Gm时，当某个中间节点k的入弧数Nin-x-m=1 时，则其余指向该节点的有向弧（潮流必为0）均舍弃，这保证了最终形成的网络为放射状。现在，对每一节点规定最大入弧数，即最大入度Nin_k_MAX，若节点k属于放射状运行系统，则令其为1，否则令其为该节点最大允许的进线数。Nin_k_m记录节点k入弧数的变化情况，其初始值为0，并

5、有机会逐渐增加。当时，其余指向该节点的有向弧（潮流为0）均舍弃。即实现了不同运行方式系统对网络结构的要求。经过以上改进的最短路遗传算法就可以解决开环与非开环系统综合规划在网络结构方面的要求。虽然，从原理上说它得到的只是较优解。 但可证明当各负荷大小趋近于0时，这种方法得到的解就会与全局最优解一致。当负荷越大时，其解越可能偏离最优解，因为此时该负荷有很大可能是由多个实际电源点供电。由于负荷通常在较低电压等级，而允许成环网运行的网络是在很高的电压等级，且低压负荷的容量比高压环网系统中元件的容量要小得多，所以，可近似地认为负荷点是由一个（实际）电源点供电，因此用最短路遗传算法获得的解将接近于实际最优

6、解。 3.2 有功潮流 由于网孔的出现，使得以负荷复电流（或功率）直接迭加构成线路中潮流的方法失去了合理性。因为只有一个虚拟源点，对于同时由2条以上供电路径供电的节点来说，可能会导致矛盾的节点电压。为了避免这种情况，此时可只考虑有功功率的优化。实际上对于允许环网的系统规划问题，现有的方法3也全是只考虑有功优化，而无功配置和电压控制由专门的无功优化来完成。这是因为：一方面，无功设备的投资一般要比线路、变压器和有功电源的投资小得多；另一方面，无功潮流在一定程度上可独立于有功潮流的控制。3.不同检验式的影响 在滞后长度的选择方面(见表1与表3)，对于同一数据生成过程而言，SIC选择的滞后长度对不同检

7、验式表现的非常稳健，而其他准则对应不同检验式选择的滞后长度往往不尽相同。用AIC选择滞后长度时，若移动平均部分的根为正，检验式(b)比检验式(a)更倾向于选择较大的平均滞后长度。而当移动平均部分的根为负时，情况恰好相反。对于MIC，当真实过程为单位根过程或非常接近单位根过程(=0.95)时，检验式(b)确定的平均滞后长度通常都较大，而当=0.85时，情况恰好相反。用GSC选择滞后长度时，大多数情况下基于检验式(b)选择的平均滞后长度较大。 在滞后长度的标准差方面，与用(a)检验时相比，检验式(b)中的标准差略大。其中当使用AIC、SIC与GSC时，二者很接近。当运用MIC时这种差距更加明显，但

8、在=0.85时减小。这也说明了AIC、SIC与GSC确定的滞后长度相对稳健。 在检验功效方面，运用AIC，SIC与GSC确定滞后长度时，随着检验式中确定性成分的加入(如加入常数项)，ADF检验的功效降低，检验尺度扭曲增加。而运用MIC确定滞后长度时，基于检验式(b)的检验功效降低更加明显，尤其是当真实数据生成过程很接近一个单位根过程(=0.95)时，ADF检验的功效甚至低于5%。但这时检验式(b)中犯弃真错误的概率也往往更小(见表2与表4)。 表5 滞后长度的均值和标准差 T=250 检验式(a) ARIMA(p,d,q) 1 2 3 4 AIC SIC MAIC MSIC GSC 1.0 A

9、RIMA(0,1,1) 0.8 0.0 0.0 0.0 7.47 2.88 4.11 1.66 7.42 2.89 4.11 1.20 10.13 5.05 1.0 ARIMA(0,1,1) 0.5 0.0 0.0 0.0 3.63 2.43 1.96 0.70 3.55 2.39 1.97 0.69 7.96 6.28 1.0 ARIMA(0,1,1) -0.5 0.0 0.0 0.0 3.49 2.35 1.89 0.69 3.65 2.44 2.21 0.90 8.03 6.39 1.0 ARIMA(0,1,1) -0.8 0.0 0.0 0.0 7.01 2.98 3.75 1.25

10、8.05 3.18 5.57 2.26 9.73 5.16 1.0 ARIMA(0,1,2) 0.8 0.5 0.0 0.0 9.41 2.79 5.96 1.26 9.33 2.82 5.91 1.30 11.22 4.34 1.0 ARIMA(0,1,2) 0.5 0.3 0.0 0.0 4.49 2.33 2.82 0.73 4.47 2.28 2.78 0.80 8.39 5.95 1.0 ARIMA(0,1,2) -0.5 0.3 0.0 0.0 3.05 2.30 1.27 0.96 3.20 2.34 1.68 1.02 7.68 6.46 1.0 ARIMA(0,1,2) -0

11、.8 0.5 0.0 0.0 6.32 3.01 2.95 1.25 7.29 3.18 4.68 2.07 9.48 5.46 1.0 ARIMA(0,1,2) -0.8 -0.5 0.0 0.0 9.08 2.92 5.49 1.55 10.42 3.33 7.99 3.00 10.91 4.44 1.0 ARIMA(0,1,4) 0.5 0.3 0.2 0.1 7.71 3.17 3.45 1.93 7.58 3.17 3.53 1.88 10.57 4.90 0.95 ARIMA(1,0,1) 0.8 0.0 0.0 0.0 7.45 2.84 4.13 1.19 7.59 3.38

12、3.97 1.67 10.11 5.02 0.95 ARIMA(1,0,1) 0.5 0.0 0.0 0.0 3.56 2.38 1.92 0.70 3.82 3.00 2.18 0.94 8.01 6.29 0.95 ARIMA(1,0,1) -0.5 0.0 0.0 0.0 3.26 2.41 1.67 0.68 5.25 3.46 3.85 1.89 7.87 6.50 0.95 ARIMA(1,0,1) -0.8 0.0 0.0 0.0 4.89 3.04 1.78 1.32 12.00 4.31 10.73 3.99 8.79 5.88 0.95 ARIMA(1,0,2) 0.8 0

13、.5 0.0 0.0 9.34 2.80 5.93 1.24 9.50 3.28 5.77 1.75 11.11 4.28 0.95 ARIMA(1,0,2) 0.5 0.3 0.0 0.0 4.47 2.35 2.80 0.72 4.84 3.05 2.50 1.09 8.29 5.95 0.95 ARIMA(1,0,2) -0.5 0.3 0.0 0.0 2.75 2.46 0.80 0.95 4.59 3.34 3.23 1.71 7.74 6.66 0.95 ARIMA(1,0,2) -0.8 0.5 0.0 0.0 4.50 2.94 1.54 1.20 10.51 4.38 8.9

14、4 3.74 8.54 6.01 0.95 ARIMA(1,0,2) -0.8 -0.5 0.0 0.0 0.05 3.75 1.12 1.92 14.82 3.80 14.37 3.81 9.73 5.32 0.95 ARIMA(1,0,4) 0.5 0.3 0.2 0.1 7.59 3.12 3.40 1.93 7.87 3.64 4.14 1.50 10.52 4.94 0.85 ARIMA(1,0,1) 0.8 0.0 0.0 0.0 7.42 2.92 4.05 1.15 8.04 4.49 4.11 2.88 9.96 4.97 0.85 ARIMA(1,0,1) 0.5 0.0

15、0.0 0.0 3.54 2.45 1.87 0.71 5.12 4.59 2.02 2.59 7.88 6.32 0.85 ARIMA(1,0,1) -0.5 0.0 0.0 0.0 2.73 2.35 1.19 0.68 8.28 5.25 3.96 4.46 7.56 6.61 0.85 ARIMA(1,0,1) -0.8 0.0 0.0 0.0 1.35 2.47 0.08 0.32 11.20 6.17 10.78 6.13 7.19 7.07 0.85 ARIMA(1,0,2) 0.8 0.5 0.0 0.0 9.31 2.77 5.87 1.24 9.77 4.17 5.82 3

16、.01 11.05 4.33 0.85 ARIMA(1,0,2) 0.5 0.3 0.0 0.0 4.44 2.34 2.73 0.70 5.66 4.49 3.02 2.38 8.40 5.97 0.85 ARIMA(1,0,2) -0.5 0.3 0.0 0.0 1.99 2.49 0.24 0.64 7.42 5.20 5.81 4.08 7.48 6.91 0.85 ARIMA(1,0,2) -0.8 0.5 0.0 0.0 2.78 2.48 0.94 0.84 9.37 6.82 8.47 6.82 7.54 6.61 0.85 ARIMA(1,0,2) -0.8 -0.5 0.0

17、 0.0 2.11 2.43 0.62 0.62 7.08 8.04 6.90 8.04 7.53 6.85 0.85 ARIMA(1,0,4) 0.5 0.3 0.2 0.1 7.56 3.13 3.24 1.94 7.97 4.49 4.58 2.33 10.42 4.93 注：表中所列和分别代表模拟10000次时各准则确定的(1-L)yt滞后长度的均值及其标准差。 表6 ADF检验的功效和实际检验水平检验式(a) T=250 ARIMA(p,d,q) 1 2 3 4 AIC SIC MAIC MSIC GSC 1.0 ARIMA(0,1,1) 0.8 0.0 0.0 0.0 0.0517

18、 0.0543 0.0323 0.0283 0.0535 1.0 ARIMA(0,1,1) 0.5 0.0 0.0 0.0 0.0524 0.0528 0.0391 0.0361 0.0504 1.0 ARIMA(0,1,1) -0.5 0.0 0.0 0.0 0.0744 0.1147 0.0522 0.0679 0.0665 1.0 ARIMA(0,1,1) -0.8 0.0 0.0 0.0 0.1521 0.3059 0.0727 0.0983 0.1259 1.0 ARIMA(0,1,2) 0.8 0.5 0.0 0.0 0.0459 0.0549 0.0327 0.0255 0.0504 1.0 ARIMA(0,1,2) 0.5 0.3 0.0 0.0