一种磁场能量收集器的结构设计方法与流程

1.本发明涉及电力能源技术领域，尤其涉及一种磁场能量收集器的结构设计方法。


背景技术：

2.输电线路在各电压等级的输电工程中处于十分关键的地位，其可靠性和运行状况直接决定整个输电系统的稳定和安全。采用先进的监测技术对输电线路的状态进行监测，及早发现事故隐患并及时予以排除，具有十分重要的工程意义。输电线路的在线监测包括在线采集输电线路运行状态参数和在线采集输电线路周围环境参量，因采集信号的各种传感器及信号发送单元等都在架空线附近，监测装置不可能使用常规电源进行供电。而且由于工作在野外环境，需要长期免维护。因此，监测装置的电源需要具有较高的工作可靠性。
3.由于输电线路周围具有丰富的磁场能量，通过线圈电磁感应提取并转换磁场能量是线路杆塔等场景下常用的监测装置离线供电方法。但是，长期以来，磁场能量收集器的结构设计大多依靠经验进行，现有的磁场取能计算建模方法均在近似条件成立，且尚未协同考虑现场安装限度、安全距离、重量等限制条件，计算方法及模型总体较为粗糙，导致所设计的磁场取能装置取能效率未能达到最优化。
4.因此，如何能够优化磁场取能装置的取能效率成为本领域技术人员亟待解决的技术问题。


技术实现要素：

5.本发明提供了一种磁场能量收集器的结构设计方法，解决相关技术中存在的无法准确优化磁场取能装置的取能效率的问题。
6.作为本发明的一个方面，提供一种磁场能量收集器的结构设计方法，其中，所述磁场能量收集器包括铁芯和缠绕在所述铁芯上的绕组，所述磁场能量收集器的结构设计方法包括：
7.确定铁芯的结构形态，并根据所述结构形态进行铁芯的几何建模；
8.将所述铁芯在所述结构形态下的尺寸参数确定为第一变量参数；
9.确定绕组的绕制位置及绕制方式，并根据确定的绕制位置和绕制方式在所述铁芯的几何模型上进行绕组的几何建模；
10.将所述绕组在所述绕制位置和绕制方式下的绕制匝数及绕线线径确定为第二变量参数；
11.建立包括所述第一变量参数和第二变量参数在内的多参量非线性最优化模型；
12.对所述多参量非线性最优化模型进行求解，得到使得输出功率最大时的所述第一变量参数的设计值以及所述第二变量参数的设计值。
13.进一步地，所述确定铁芯的结构形态，并根据所述结构形态进行铁芯的几何建模，包括：
14.确定所述铁芯的形状为圆柱形；
15.根据所述圆柱形的铁芯进行铁芯的几何建模。
16.进一步地，所述将所述铁芯在所述结构形态下的尺寸参数确定为第一变量参数，包括：
17.将圆柱形铁芯的截面直径以及高度确定为第一变量参数。
18.进一步地，所述对所述多参量非线性最优化模型进行求解，得到使得输出功率最大时的所述第一变量参数的设计值以及所述第二变量参数的设计值，包括：
19.确定约束条件，其中所述约束条件包括：铁芯及绕组总空间占位约束、铁芯及绕组总重量约束、最小输出功率约束和最低输出电压约束；
20.在所述约束条件下对所述多参量非线性最优化模型进行求解，得到使得输出功率最大时的所述第一变量参数的设计值以及所述第二变量参数的设计值。
21.进一步地，所述确定约束条件，包括：
22.根据所述磁场能量收集器的预设安装位置确定铁芯及绕组总空间占位、铁芯及绕组总重量、最小输出功率和最低输出电压。
23.进一步地，所述在所述约束条件下对所述多参量非线性最优化模型进行求解，得到使得输出功率最大时的所述第一变量参数的设计值以及所述第二变量参数的设计值，包括：
24.确定所述第一变量参数的初始值和所述第二变量参数的初始值；
25.根据所述第一变量参数的初始值和所述第二变量参数的初始值在已经确定的铁芯的结构形态以及绕制位置和绕制方式下进行磁场求解，得到磁通量；
26.根据所述磁通量、所述第二变量参数及绕线线型计算当前的最大输出功率；
27.根据人工蜂群算法以及所述最大输出功率求解所述多参量非线性最优化模型，得到所述第一变量参数的设计值以及所述第二变量参数的设计值。
28.进一步地，所述根据人工蜂群算法以及所述最大输出功率求解所述多参量非线性最优化模型，得到所述第一变量参数的设计值以及所述第二变量参数的设计值，包括：
29.根据人工蜂群算法求解所述多参量非线性最优化模型；
30.对求解结果进行多次修正计算，当修正后的所述求解结果能够满足使得输出功率满足最大输出功率时，则将所述求解结果确定为所述第一变量参数的设计值以及所述第二变量参数的设计值。
31.进一步地，所述人工蜂群算法包括：
32.(1)当n＝0时刻，随机生成xi个可行解：
[0033][0034]
其中，x表示待优化变量，所述xi个可行解均与蜜源一一对应，产生可行解xi公式：
[0035][0036]
其中，x
min
表示解空间的上界，x
max
表示解空间的下界，j∈{1，2，3}，计算可行解xi的适应度函数并根据适应度函数的大小进行排序作为初始的采蜜蜂种群x(0)；
[0037]
(2)对于第n步的采蜜蜂位置更新：
[0038][0039]
其中，k∈{1，2，3，...，ne}，且k不属于i，k和j均随机生成，rand()∈[-1，1]；
[0040]
(3)当采蜜蜂更新到新位置后根据贪婪选择选取更优位置，并保留给下一代种群，跟随蜂共享采蜜蜂的信息后，通过概率分布函数来跟随采蜜蜂：
[0041][0042]
ts表示从个体空间到个体空间的随机映射，记ts：s2→
s；
[0043]
(4)跟随蜂搜索阶段，根据采蜜蜂传递蜜源信给跟随蜂，根据wa的计算公式计算选择跟随蜂的概率，跟随蜂选择一个蜜源并在其附近进行搜索，跟随蜂更新方式：
[0044][0045]
其中，的计算公式为：
[0046][0047]
wa的计算公式为：
[0048]
wa＝w2((iter-maxcycle)/max cycle)a×
(w
2-w1)；
[0049]
wb的计算公式为：
[0050]
wb＝w
3-((iter-max cycle)/max cycle)b×
(w
4-w3)；
[0051]
其中，xi表示跟随蜂当前的位置，惯性权重w1，w2，w3和w4取值范围均为[0.1，1.5]，w1和w3小于w2，w4和iter均表示当前迭代次数，max cycle表示最大迭代次数，λ是动态变化的，当新位置适应度值比原位置好时λ大于1，反之小于1，a∈[0.8，1]，b∈[1，1.2]，φ表示自适应因子；
[0052]
(5)在搜索过程中，如果蜜源xi经过trial次迭代搜索到达阈值limit蜜源位置信息还没有更好的改变，则该蜜源xi就会被遗弃，与此同时，采蜜蜂转变变为观察蜂；观察蜂按第n步的采蜜蜂位置更新的公式，在搜索空间随机产生一个新的蜜源代替xi；
[0053]
(6)如果满足停止条件，输出最优适应度值及对相应可行解，否则转向步骤(2)，重复上述步骤(2)至(5)。
[0054]
本发明提供的磁场能量收集器的结构设计方法，通过以电磁感应为基本原理，确定铁芯及绕组的设计值时，在综合考虑现场安装限度、安全距离、重量等限制条件，用以对磁场取能装置的铁芯几何尺寸、线圈几何尺寸、绕组匝数及线型选取等方面的参数进行精确建模，达到使取能线圈输出功率达到最大的优化效果。
附图说明
[0055]
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
[0056]
图1为本发明提供的磁场能量收集器的结构设计方法的流程图。
[0057]
图2为本发明提供的磁场能量收集器与载流导线的相对位置示意图。
具体实施方式
[0058]
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
[0059]
为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附
图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0060]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0061]
在本实施例中提供了一种磁场能量收集器的结构设计方法，所述磁场能量收集器包括铁芯和缠绕在所述铁芯上的绕组，图1是根据本发明实施例提供的磁场能量收集器的结构设计方法的流程图，如图1所示，所述磁场能量收集器的结构设计方法包括：
[0062]
s110、确定铁芯的结构形态，并根据所述结构形态进行铁芯的几何建模；
[0063]
在本发明实施例中，确定所述铁芯的形状为圆柱形；
[0064]
根据所述圆柱形的铁芯进行铁芯的几何建模。具体可以根据磁场能量收集器的预设安装位置或者安装空间来选择合适的铁芯形状。
[0065]
如图2所示，本发明实施例以铁芯的形状为圆柱形为例进行说明，当然其还可以根据需要选择长方体或其他形状。
[0066]
在对铁芯进行几何建模时，可以选择有限元分析软件来实现，具体建模方式为本领域技术人员所熟知，此处不再赘述。
[0067]
s120、将所述铁芯在所述结构形态下的尺寸参数确定为第一变量参数；
[0068]
在本发明实施例中，将圆柱形铁芯的截面直径以及高度确定为第一变量参数。
[0069]
例如，如图2所示，铁芯结构的特征尺寸参量为圆柱体截面直径d，以及圆柱体的高度h，则第一变量参数x1＝(d，h)。
[0070]
应当理解的是，尺寸参数集应能完备、无重复地表征铁芯的空间结构，形成待优化参量集，并在有限元分析软件中将该参数集中的尺寸设为变量。
[0071]
s130、确定绕组的绕制位置及绕制方式，并根据确定的绕制位置和绕制方式在所述铁芯的几何模型上进行绕组的几何建模；
[0072]
在本发明实施例中，可以选择线圈绕组紧密的绕制在铁芯上，且在铁芯有限元模型的基础上，完成线圈绕组的几何建模。
[0073]
s140、将所述绕组在所述绕制位置和绕制方式下的绕制匝数及绕线线径确定为第二变量参数；
[0074]
在本发明实施例中，在上述确定的绕制方式和绕制位置的情况下，线圈绕组的匝数为n，绕线的线型选择为截面半径r的漆包线，则第二变量参数x2＝(n，r)。
[0075]
s150、建立包括所述第一变量参数和第二变量参数在内的多参量非线性最优化模型；
[0076]
采用有限元分析软件同数值计算软件相结合的方法，建立有限元分析环境和数值计算环境两者之间的数据交换体系，在数值计算软件中建立针对第一变量参数x1和第二变量参数x2的多参量非线性最优化模型。
[0077]
s160、对所述多参量非线性最优化模型进行求解，得到使得输出功率最大时的所述第一变量参数的设计值以及所述第二变量参数的设计值。
[0078]
在本发明实施例中，具体可以包括：
[0079]
确定约束条件，其中所述约束条件包括：铁芯及绕组总空间占位约束、铁芯及绕组总重量约束、最小输出功率约束和最低输出电压约束；
[0080]
在所述约束条件下对所述多参量非线性最优化模型进行求解，得到使得输出功率最大时的所述第一变量参数的设计值以及所述第二变量参数的设计值。
[0081]
其中，所述确定约束条件，包括：
[0082]
根据所述磁场能量收集器的预设安装位置确定铁芯及绕组总空间占位、铁芯及绕组总重量、最小输出功率和最低输出电压。
[0083]
在本发明实施例中，所述多参量非线性最优化模型具体可以表示为：
[0084]
max pm＝f(x1、x2)，
[0085]
x，
[0086]
s.t.gi(x1、x2)≤0，i＝1，2...m，
[0087]hi
(x1、x2)≤0，i＝1，2...k，
[0088]
p(x1、x2)≥p
min
，
[0089]
u(x1、x2)≥u
min
，
[0090]
其中，最优化目标为线圈绕组的最大输出功率pm达到最大。该最优化模型通过进行迭代求解，在原边电流一定的情况下，pm为铁芯的第一变量参数x1，以及线圈绕组的第二变量参数x2的函数，该映射关系由底层有限元分析软件根据x1、x2计算并返回磁通所完成。约束条件包括铁芯及绕组总空间占位约束gi，装置总重量约束hi，这两项约束具体由安装现场相关要求决定。此外，还包括线圈最小输出功率约束p，表示磁场能量收集器最低应输出满足后续负载的最小功耗需求的能量，以及线圈绕组最低输出电压约束u，表示线圈绕组输出电压应满足后续能量管理芯片的最低启动电压。
[0091]
在本发明实施例中，在所述约束条件下对所述多参量非线性最优化模型进行求解，得到使得输出功率最大时的所述第一变量参数的设计值以及所述第二变量参数的设计值，包括：
[0092]
确定所述第一变量参数的初始值和所述第二变量参数的初始值；
[0093]
根据所述第一变量参数的初始值和所述第二变量参数的初始值在已经确定的铁芯的结构形态以及绕制位置和绕制方式下进行磁场求解，得到磁通量；
[0094]
根据所述磁通量、所述第二变量参数及绕线线型计算当前的最大输出功率；
[0095]
根据人工蜂群算法以及所述最大输出功率求解所述多参量非线性最优化模型，得到所述第一变量参数的设计值以及所述第二变量参数的设计值。
[0096]
具体地，在求解最优化模型的过程中，首先确定一组初始的x1、x2变量取值；
[0097]
由数值软件将当前的x1、x2变量取值传递给有限元分析软件，有限元分析软件在当前结构尺寸下进行磁场求解，并计算出磁通，返回给数值软件；
[0098]
数值软件根据磁通、当前线圈尺寸及线型选型，计算出当前的最大输出功率，并和前次输出功率进行比较。
[0099]
采用改进的人工蜂群算法求解上述最优化模型，根据该算法的步骤修正当前的
x1、x2取值。
[0100]
应当理解的是，所述根据人工蜂群算法以及所述最大输出功率求解所述多参量非线性最优化模型，得到所述第一变量参数的设计值以及所述第二变量参数的设计值，包括：
[0101]
根据人工蜂群算法求解所述多参量非线性最优化模型；
[0102]
对求解结果进行多次修正计算，当修正后的所述求解结果能够满足使得输出功率满足最大输出功率时，则将所述求解结果确定为所述第一变量参数的设计值以及所述第二变量参数的设计值。
[0103]
在本发明实施例中，所述人工蜂群算法包括：
[0104]
(1)当n＝0时刻，随机生成xi个可行解：
[0105][0106]
其中，x表示待优化变量，所述xi个可行解均与蜜源一一对应，产生可行解xi公式：
[0107][0108]
其中，x
min
表示解空间的上界，x
max
表示解空间的下界，j∈{1，2，3}，计算可行解xi的适应度函数并根据适应度函数的大小进行排序作为初始的采蜜蜂种群x(0)；
[0109]
(2)对于第n步的采蜜蜂位置更新：
[0110][0111]
其中，k∈{1，2，3，...，ne}，且k不属于i，k和j均随机生成，rand()∈[-1，1]；
[0112]
(3)当采蜜蜂更新到新位置后根据贪婪选择选取更优位置，并保留给下一代种群，跟随蜂共享采蜜蜂的信息后，通过概率分布函数来跟随采蜜蜂：
[0113][0114]
ts表示从个体空间到个体空间的随机映射，记ts：s2→
s；
[0115]
(4)跟随蜂搜索阶段，根据采蜜蜂传递蜜源信给跟随蜂，根据wa的计算公式计算选择跟随蜂的概率，跟随蜂选择一个蜜源并在其附近进行搜索，跟随蜂更新方式：
[0116][0117]
其中，的计算公式为：
[0118][0119]
wa的计算公式为：
[0120]
wa＝w2((iter-maxcycle)/max cycle)a×
(w
2-w1)；
[0121]
wb的计算公式为：
[0122]
wb＝w
3-((iter-max cycle)/max cycle)b×
(w
4-w3)：
[0123]
其中，xi表示跟随蜂当前的位置，惯性权重w1，w2，w3和w4取值范围均为[0.1，1.5]，w1和w3小于w2，w4和iter均表示当前迭代次数，max cycle表示最大迭代次数，λ是动态变化的，当新位置适应度值比原位置好时λ大于1，反之小于1，a∈[0.8，1]，b∈[1，1.2]，φ表示自适应因子；
[0124]
(5)在搜索过程中，如果蜜源xi经过trial次迭代搜索到达阈值limit蜜源位置信息还没有更好的改变，则该蜜源xi就会被遗弃，与此同时，采蜜蜂转变变为观察蜂；观察蜂
按第n步的采蜜蜂位置更新的公式，在搜索空间随机产生一个新的蜜源代替xi；
[0125]
(6)如果满足停止条件，输出最优适应度值及对相应可行解，否则转向步骤(2)，重复上述步骤(2)至(5)。
[0126]
当上述人工蜂群算法算法满足收敛准则时，则输出算法搜寻结果，此时即确定出了在所有约束条件下的磁场取能器件最优结构设计，即得到所述第一变量参数的设计值以及所述第二变量参数的设计值。
[0127]
本发明实施例提供的磁场能量收集器的结构设计方法，通过以电磁感应为基本原理，确定铁芯及绕组的设计值时，在综合考虑现场安装限度、安全距离、重量等限制条件，用以对磁场取能装置的铁芯几何尺寸、线圈几何尺寸、绕组匝数及线型选取等方面的参数进行精确建模，达到使取能线圈输出功率达到最大的优化效果。
[0128]
另外，采用电磁场有限元分析软件作为磁场能量收集器的最优化分析的底层计算，能够对现实情况下通常的非严格对称、非规整铁芯结构的磁场分布进行精确计算，更加符合真实场景；采用有限元计算与数值软件的联合应用，能够较为简便地对铁芯任意尺寸进行调整和优化；采用数值最优化模型，以线圈最大输出功率为优化目标，以铁芯重量、尺寸、输出功率、输出电压为约束条件，求解算法不断调用底层有限元迭代计算，并不断将磁场计算结果返回给上层最优化程序，可精确地得出含场分析的磁场取能装置最优化结果。
[0129]
下面以图2所示的结构为例说明如何实现磁场能量收集器的结构设计。
[0130]
如图2所示，在载流导线100的附近，放置了一个磁场能量收集器200。当载流导线100通以工频交流电时，导线附近将会激发工频磁场。通过放置于该磁场中的铁芯210及线圈绕组220，利用电磁感应，线圈将会出现感应电压vout。
[0131]
将铁芯210的形状选取为圆柱形，则该铁芯结构的特征尺寸参量为圆柱体截面直径d，以及圆柱体的高度h，则x1＝(d，h)。线圈绕组220紧密绕制在铁芯210上，线圈绕组的匝数为n，绕线的线型选择为截面半径r的漆包线，则x2＝(n，r)。
[0132]
根据实际情况，选定铁芯的半径不超过5cm，铁芯的高度不超过5cm，铁芯的总重量不超过3000g，线圈绕组220的匝数及绕线半径无限制。根据典型的能量管理电路参数及传感器负载供能需求，要求线圈绕组220的输出功率最小为100mw，线圈绕组220的输出电压最低为100mv，则模型为：
[0133]
max pm＝vout2/r，
[0134]
x，
[0135]
s.t.d≤10
×
10-2
，
[0136]
h≤5
×
10-2
，
[0137]
p≥100
×
10-3
，
[0138]
vout≥100
×
10-3
，
[0139]
采用有限元分析软件同数值计算软件相结合的方法，以及改进的人工蜂群算法，经过130次迭代，得出各待优化变量的最优解为：
[0140]
h＝3.2cm，d＝8.3cm，n＝120，r＝0.05mm。
[0141]
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。