1.一种基于水泵负载年损耗电量全局最优的电机参数设计方法,其特征在于,包括如下步骤:步骤1:采集典型周期内水泵负载的输出功率数据,通过将输出功率数据等分为多个分区间,随后进行数据分析,通过提取在各个分区间中离散程度最小的特征值,结合各个分区间的权重系数,从而得出整个区间范围内的理论上的输出功率Pmec;
步骤2:根据输出功率Pmec匹配进行负载,建立负载匹配模型,以一个典型周期为例,得出目标水厂所应设计电机的损耗计算模型,损耗计算模型建立方式包括:先进行磁场分析,气隙区域的磁场 和PM区域的磁场 可以由拉普拉斯算子和准Possonian方程控制得到,如下式(8)和式(9),其中r是极坐标中的径向分量,θ是角位置,n是谐波次序,p是极对数,μr是相对磁导率,此外,Mr是磁化矢量径向分量,可以通过下式(10)计算得到其中Br是剩磁密度,μ0是真空磁导率,αp是极弧系数;
边界条件可通过以下公式(11)得到:
其中,Rs是定子内径,Rm是转子外径,Rr是转子内径,Hθair和Hθm是气隙和PM区域中磁场强度矢量的切向分量,Brm和Brair是气隙和PM区域中磁通密度矢量的径向分量;
气隙磁场可以通过下面式(12)求出
其中Anair和Bnair是式(10)和式(11)的限制条件,此外,气隙Br(r,θ)的磁通密度径向分量可以通过下面式(13)求出齿磁密Bt和轭部磁密By可以通过Bg(n)求出,Bg(n)是气隙磁密径向分量的傅立叶展开形式,如下式(14)所示其中,bt为定子齿宽,hy为定子轭部高度,τp是气隙极距,τs和θs是齿距和齿距相对角度;
每相的磁链ψi可以通过气隙磁通密度计算出来,如下式所示,其中Lef为定转子等效长度,Np为匝数,boa为槽的开口角度,αy为线圈间距;
电磁功率Pem和反电动势Ei可以通过下面式(16)和式(17)求出其中Ii为相电流,ωm为转速;
输出功率Pmec与电磁功率关系如下式(18)所示:Pmec=(1-s)Pem (18)
其中s为转差率;
接下来计算损耗,首先计算铁损,定子齿及轭单位体积的铁损pFe如下式(19):其中,kh是磁滞损耗的系数,ke是超额损耗的系数,Bm是磁通密度,f是频率,kd是叠片的厚度,σ是材料的导电率,因此可以获得铁损PFe如下式(20):PFe=pFetVt+pFeyVy (20)其中,pFet和pFey是定子齿及轭单位体积的铁损值,Vt和Vy是定子齿及轭的体积;
其次计算铜损,如下式(21)~(25)所示
Id为直轴电流,Iq为交轴电流,Ii为相电流,R1为定子电阻,ρCu为铜电阻率,Sf为槽满率,Lav为线圈平均半匝长,Q1为定子槽数,Ss为槽的横截面积,UN为额定相电压,θ为转矩角,Xd为直轴同步电抗,Xq为交轴同步电抗,E0为空载反电动势,Pcu为铜耗;
因此,总损耗Ptot如下式(26)所示:
Ptot=PFe+Pcu+Pfw+Pad (26)其中,Pfw为机械损耗,Pad为杂散损耗;
步骤3:根据式(8)~式(26)得出的损耗计算模型,建立多变量多目标的目标函数,以年损耗量的总损耗Ptot最优为目标函数,设计约束条件,从而迭代计算得出优化后的设计参数X,目标函数如下式(27):Ptot=PFe+Pcu+Pfw+Pad (27)所述设计参数X包括电机轴长L1、转子内径Rr、永磁体厚度hm、气隙宽δ、定子槽高hs、定子轭部高hy、定子齿宽wt、极弧系数αp中的一种或多种参数。
2.根据权利要求1所述的优化方法,其特征在于,所述步骤3中的约束条件包括气隙磁密的径向分量Bδ(X)、定子齿部磁密Bt(X)和定子轭部磁密By(X)的约束函数。
3.根据权利要求3所述的优化方法,其特征在于,所述步骤3中迭代计算所使用的算法为遗传算法。
4.根据权利要求1所述的优化方法,其特征在于,所述步骤1中进一步还包括:首先对目标水厂水泵电机输出功率数据进行采集,之后将首先将从水厂收集到的水泵输出功率数据进行处理,筛选出最大值Pmax和最小值Pmin,数据区间范围如下式(1)所示:D=[Pmin Pmax] (1)
将这个数据区间划分为四个分区间,划分四个典型分区间可以使相近的数据集中,在每一个分区间内求出最小离散程度所对应的输出功率P,这个功率更适合代表该分区间内平均功率,相比传统的平均功率方法更准确,四个分区间的间隔如下式(2):其中d为分区间间隔,如下式(3)所示:
d1=Pmin+d
d2=Pmin+2d (3)d3=Pmin+3d
则四个分区间分别为[Pmin d1],[d1 d2],[d2 d3],[d3 Pmax],在每个分区间内确定特征值,所提取的特征值在该分区间中离散程度最小,最能代表该分区间中输出功率的稳定值,确定特征值的方法如下:(1)分区间内每个数据的离散程度kj
如上式(4),分别将每个数据与各个数据之差求平方和,再与样本数据总量相除得到离散程度,离散程度越小,越能体现出在整个区间范围内的出现在该数据附近的可能性越大。
(2)找出离散程度最小值k
k=min{k1 k2 k3 … kn} (5)如上式(5),通过每个数据离散程度的对比,筛选出离散程度最小值k;
(3)筛选出离散程度最小值k,找出k所对应的数据位置,确定每个分区间内离散程度最小的输出功率即特征值,P1、P2、P3、P4分别为分区间d1、d2、d3、d4的特征值;
下一步,确定权重,权重是指每个分区间内的特征值在整体区间内所占的比重,权重公式如下式(6):其中αi为第i(i=1,2,3,4)个分区间的权重,ni为第i(i=1,2,3,4)个分区间输出功率数据的个数,通过上式(6)可以求出每个分区间内的特征值的权重;
求出权重之后,就可以得到整个区间范围内的代表功率Pmec作为输出功率,如下式(7):