XIX Sympozjum Srodowiskowe PTZE - materialy.pdf
XIX Sympozjum Srodowiskowe PTZE - materialy.pdf
XIX Sympozjum Srodowiskowe PTZE - materialy.pdf
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Punktem wyjścia do wszelkich<br />
obliczeń elektromagnetycznych<br />
i elektrodynamicznych<br />
związanych<br />
z torami wielkoprądowymi<br />
[1,2] (pozwalających określić<br />
wartości ograniczeń<br />
zawartych w funkcji celu)<br />
jest wyznaczenie rozkładu<br />
gęstości prądu J(x,y)<br />
w przewodach roboczych.<br />
Uzyskuje się go na podstawie<br />
układu równań całkowych<br />
Fredholma (1):<br />
<strong>XIX</strong> <strong>Sympozjum</strong> <strong>PTZE</strong>, Worliny 2009<br />
⎧<br />
jωµγ<br />
p<br />
⎪J<br />
( x,<br />
y)<br />
− J(<br />
x0L1,<br />
y0L1)<br />
+<br />
⎪<br />
2π<br />
⎪<br />
⎪dla<br />
: ( x,<br />
y)<br />
∈ SL1<br />
⎪<br />
⎪<br />
jωµγ<br />
p<br />
J(<br />
x,<br />
y)<br />
− J(<br />
x0L<br />
2,<br />
y0L2<br />
) +<br />
⎪<br />
2π<br />
⎪<br />
⎪dla<br />
: ( x,<br />
y)<br />
∈ SL2<br />
⎪<br />
⎪<br />
jωµγ<br />
p<br />
⎨J<br />
( x,<br />
y)<br />
− J(<br />
x0L3,<br />
y0L3)<br />
+<br />
⎪<br />
2π<br />
⎪<br />
dla : ( x,<br />
y)<br />
∈ S<br />
⎪<br />
L3<br />
⎪ ( ) =<br />
⎪∫∫<br />
J x',<br />
y'<br />
dx'dy'<br />
I L1<br />
SL1<br />
⎪<br />
⎪ ( ) =<br />
⎪∫∫<br />
J x',<br />
y'<br />
dx'dy'<br />
I L2<br />
SL<br />
2<br />
⎪<br />
⎪∫∫<br />
J(<br />
x',<br />
y')<br />
dx'dy'=<br />
I L3<br />
⎪SL<br />
3<br />
⎩<br />
24<br />
∫∫<br />
SL1+<br />
SL<br />
2+<br />
SL3<br />
∫∫<br />
SL1+<br />
SL<br />
2+<br />
SL3<br />
∫∫<br />
SL1+<br />
SL<br />
2+<br />
SL3<br />
J(<br />
x',<br />
y')<br />
ln<br />
J(<br />
x',<br />
y')<br />
ln<br />
J(<br />
x',<br />
y')<br />
ln<br />
2<br />
2<br />
( x0L1<br />
− x')<br />
+ ( y0L1<br />
− y')<br />
dx'dy'<br />
= 0<br />
2<br />
2<br />
( x − x')<br />
+ ( y − y')<br />
2<br />
2<br />
( x0L<br />
2 − x')<br />
+ ( y0L2<br />
− y')<br />
dx'dy'<br />
= 0<br />
2<br />
2<br />
( x − x')<br />
+ ( y − y')<br />
2<br />
2<br />
( x0L3<br />
− x')<br />
+ ( y0L3<br />
− y')<br />
dx'dy'<br />
= 0<br />
2<br />
2<br />
( x − x')<br />
+ ( y − y')<br />
(1)<br />
gdzie: ω – pulsacja, µ – przenikalność magnetyczna materiału przewodu, γ – konduktywność<br />
przewodu; (x, y) – punkt obserwacji; (x’, y’) – punkt źródłowy, SL1, SL2, SL3 – przekroje przewodów<br />
dla faz L1, L2, L3, (x0L1, y0L1), (x0L2, y0L2), (x0L3, y0L3) – punkty odniesienia dla faz L1,<br />
L2, L3, natomiast IL1, IL2, IL3 – prądy w fazach L1, L2, L3.<br />
Na podstawie gęstości prądu obliczane są temperatury przewodów i izolatora oraz oddziałujące<br />
siły elektrodynamiczne. Wyznaczane są też naprężenia elektryczne w układzie.<br />
W analizach optymalizacyjnych zastosowano następujące metody [1-3]: a) Gaussa-Seidela<br />
(GS) – minimum funkcji poszukuje się wzdłuż kolejnych kierunków ortogonalnej bazy; b)<br />
gradientu prostego (GP) – przyjmuje się w niej zawsze kierunek poszukiwań wzdłuż gradientu<br />
funkcji kryterialnej; c) gradientów sprzężonych (GS) – kierunek poszukiwań jest tworzony<br />
na podstawie gradientu funkcji kryterialnej, a każdy następny wyznaczany kierunek jest<br />
sprzężony do poprzednich; d) algorytmu genetycznego (AG) – niedeterministyczna – wykorzystano<br />
w niej zmodyfikowane operacje genetyczne: selekcję wg reszt bez powtórzeń, liniowe<br />
skalowanie przystosowania oraz przenoszenie najlepszego osobnika, a w celu przyśpieszenia<br />
obliczeń dokonano ich zrównoleglenia.<br />
Wyniki obliczeń<br />
Obliczenia optymalizacyjne wykonano dla trójfazowego, nieekranowanego toru prądowego<br />
w izolacji stałej o napięciu znamionowym 10 kV i prądzie 4 kA. W tabeli 1 zamieszczono<br />
minimalne i uśrednione z dziesięciu powtórzeń czasy obliczeń i koszty jednostkowe toru prądowego,<br />
uzyskane różnymi metodami optymalizacyjnymi. Metody deterministyczne (w celu<br />
wyznaczenia optimum globalnego) łączy się często z metodami losowymi. W pracy przeanalizowano<br />
również funkcjonowanie każdej z opisywanych metod deterministycznych w połączeniu<br />
z metodą Monte Carlo (MC) i porównano z rezultatami uzyskanymi metodą algorytmu<br />
genetycznego. Wyniki obliczeń zamieszczono w tabeli 2.