← 返回列表
基于深度强化学习的三相高频变压器多目标优化设计方法
摘要文本
本发明提出一种基于深度强化学习的三相高频变压器多目标优化设计方法，基于DDPG算法进行多目标寻优。利用人工神经网络替代复杂的漏感计算公式，可以快速准确地得到漏感参数，结合DDPG算法进行多目标寻优，节省计算资源，提高变压器的功率密度、效率和可靠性，并使寄生参数快速准确获得，进而精准控制寄生参数，为后续的工程设计提供支持。 （来自 马克数据网）
申请人信息
- 申请人:合肥工业大学
- 申请人地址:230009 安徽省合肥市包河区屯溪路193号
- 发明人: 合肥工业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度强化学习的三相高频变压器多目标优化设计方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410096904.2 |
| 申请日 | 2024/1/24 |
| 公告号 | CN117634320A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 合肥工业大学 |
| 发明人 | 王佳宁; 王开鹏 |
| 地址 | 安徽省合肥市包河区屯溪路193号 |
专利主权项内容
1.一种基于深度强化学习的三相高频变压器多目标优化设计方法，其特征在于，所述方法包括以下步骤：步骤1，设计要求和参数选择；记三相高频大功率变压器为系统，梳理三相高频大功率变压器设计要求，包括额定功率、初级绕组/>、两端电压/>、工作频率/>、流经初级绕组/>的电流/>、流经次级绕组/>的电流/>、初级绕组/>的匝数/>、匝比/>和输出电压级/>；根据设计要求选择三相高频大功率变压器的以下参数：磁芯牌号及其第一损耗参数，第二损耗参数/>，第三损耗参数/>；圆形多股绞线的单匝线径/>及其有效面积系数/>；主绝缘结构/>的厚度/>和次绝缘结构/>的厚度/>；步骤2，用神经网络建立三相高频大功率变压器漏电感优化模型，用解析公式建立功率密度优化模型、损耗优化模型；步骤3，根据建立的三相高频大功率变压器漏电感优化模型，功率密度优化模型与损耗优化模型，确定状态集合/>、动作集合/>和奖励函数/>；步骤4，利用DDPG算法进行离线学习，得到最优策略，输出最优动作/>；步骤5，根据最优动作，使系统在状态集合/>的任一状态、任一权重下均能实现漏电感、效率、单位面积损耗、功率密度最优化；步骤6，确定合适的励磁电感值。