自适应遗传算法在潜油电机优化设计中的作用分析

摘  要：在潜油电机当中应用到自适应遗传算法进行优化，能够进一步降低潜油电机运行消耗。从而确保潜油电机在应用过程当中能够呈现出相对更加良好的节能环保效果，并促使电机使用寿命得以延长。借助于自适应遗传算法的优化应用，进一步提升了潜油电机的运行效率，本文将基于实际中优化设计进行研究。

关键词：自适应遗传算法;潜油電机;优化设计

引言：作为我国当前油田机采设备中的一种，潜油电机的应用其主要是基于电磁核心驱动运行，在实际应用中常常涉及到高温、高压以及腐蚀等环境当中。因此为了能够有效延长潜油电机使用寿命，并提升其运行效率，尽可能的降低能耗，则需要借助于自适应遗传算法对其进行优化设计，从而形成更加良好的使用效果。

1 潜油电机优化设计中自适应遗传算法的应用

1.1潜油电机电磁场模型

潜油电机当中的电磁场结构主要则是以常见的三维涡流电磁场为主，而基于这样的电磁场，其涡流结构以及非涡流需要应用到公式进行描述。在公式当中，μ表示的是磁导率，A则表示为电磁场结构当中的矢量电磁，σ表示为电导率，且传导状态下的电流密度应用到J表示。基于潜油电机的电磁场结构来讲，实施优化设计，需要借助于非线性规划，并结合多变量条件特征实施处理。则最为有效的方式就是基于自适应下的遗传算法，获得最优计算值。

1.2自适应遗传算法原理

遗传算法的应用能够借助于问题的空间性，从而映射到编码空间当中。通过在其中选择相适应的函数值，借助于变异、交叉等不同的方式获得基于问题下的解决答案，从而将这一结果反射回问题空间当中。作为遗传算法的优化方式，自适应遗传算法的应用则对编码空间下的函数变异算子P以及交叉算子P实施必要的修正，从而能够有效提升基于自适应遗传算法下的搜索速度，提升个体存在概率精准度。

1.3优化设计流程研究

应用自适应遗传算法对潜油电机电磁进行优化设计，首先需要应用到一维染色体编码，染色体初始设计数量为100，优化设计最大值为120。应用既定比例算子进行计算，其中变异率与交叉率分别为P、P，调整自适应遗传算法。结合潜油电机电磁模型公式选择优化变量，设定潜油电机效率为目标函数，选择定子槽高、定子铁芯以及电压波动为优化变量，设定基于功率因数最低值、电流倍数最大值以及启动电阻最大值等约束条件，离散化连续变量，从而获取最终计算值，保存记录。

2 优化设计案例

选择潜油电机中的多个结构对象设定基于优化设计下的变量范围，包括功率因数、最大转矩倍数等。其中以力神泵业集团中的某潜油电机为例，借助于自适应遗传算法进行优化设计，其初始电压则设定为924V，转子数量为6节，功率为10kV。设定潜油电机效率为目标优化函数，实施优化后的实际参数等经过数据对比，发现呈现出明显的提升效果。通过参数对比发现，基于应用到自适应遗传算法下的潜油电机优化具有显著应用效率，能够进一步提升电机应用效率，从而达到更加良好的适应性高效运转目标。

3 优化作用验证

为了能够对潜油电机借助于自适应遗传算法优化设计下的实际效果进行验证，从而总结实际优化作用，则需要按照应用自适应遗传算法优化完成的潜油电机电磁运转方案重新制造一台实验样机。对实验样机进行组合加工之后按照严格的潜油电泵机组运行实验方法进行室内测试。

正式实施实验，需要对潜油电机的相序进行测试，随后检测潜油电机转子结构的旋转方向与旋转速率。堵住转子停止旋转之后，再次进行实验。堵住潜油电机转子结构后的通电时间不能够超过10s，否则将会损坏潜油电机。并根据转子停滞时的功率测试参数对潜油电机启动下的电流倍数、转矩倍数进行计算，应用到圆图法进行记录。基于测功机下的潜油电机实验样机实施负载模拟实验，在开始实验后，对负载运行1h之后的潜油电机运行功率因数、效率、转速值以及定子电流等进行检测记录。实验结束后，对潜油电机优化完成后的耐压程度进行测试，要求最终的实验结果需要能够满足在10kV/2.5mm运行条件下保持1min不被击穿。

结合实验所得的实际数据参数，对比自适应遗传算法下的优化计算参数，误差百分比如表1所示。

结合实验参数以及理论计算参数，发现其中两者的实际误差均能够控制在1%之内，则进一步证明了基于自适应遗传算法下的潜油电机优化设计理论具有较高精准度。在经过实际优化设计后，潜油电机的运行效率与运行功率都能够得到显著提升，不仅能够有效降低以往在油田工程中的运行能耗，同时也能够适应更加复杂的井下作业环境。优化电机运行效果，呈现出更加良好的适应性，并有效延长了使用寿命，体现出明显经济型特征。为我国的潜油电机应用提供助力，并对油田机采电泵机组的国际市场竞争优势做出贡献。

结束语：结合自适应遗传算法对潜油电机电磁结构实施优化，从而结合实际案例以及实验参数等，进一步证明了基于对电磁结构优化的有效性，为潜油电机在油田工程当中的高质量应用提供了重要理论研究依据。

参考文献：

[1]李丹. 基于遗传算法的自适应学习路径探究[J]. 电脑编程技巧与维护，2022，（03）：50-51+89.

[2]杨世忠，李善伟，孙崇国. 前馈补偿和自适应遗传算法的空调系统优化[J]. 计算机仿真，2022，39（03）：454-458+494.

作者简介：朱智平（1979年7月—），男，汉族，浙江义乌人，本科学历，高级工程师，研究方向：电机优化设计及制造。