طراحي بهينه‌ موتور القايي قفس سنجابي با استفاده از الگوريتم‌ چندهدفه اجتماع سالپ

Optimal Design of Squirrel Cage Induction Motor Using Multi‌-Objective Salp Swarm Algorithm

طراحي موتورهاي القايي سه‌فاز كارآمد، يك چالش مهم در مهندسي برق است.‌ به همين منظور،‌‌ به‌طور مداوم تكنيك‌هاي طراحي جديدي معرفي مي‌شوند. در اين مقاله، براي طراحي موتورهاي القايي قفس‌سنجابي، با هدف افزايش راندمان و كاهش هزينه‌ها، از روش بهينه‌سازي فراابتكاري استفاده شده است. در اين روش، مدل‌سازي موتور القايي به‌صورت دقيق انجام شده و براي حل اين مسئله بهينه‌سازي، از روش جديد الگوريتم بهينه‌سازي چندهدفه اجتماع سالپ (MSSA) استفاده شده است. اين الگوريتم از رفتار اجتماعي سالپ‌ها الهام گرفته شده است. روش پيشنهادي بر روي يك موتور القايي 2/5 كيلووات و با استاندارد بازدهي (IE2) اعمال شده است. نتايج حاصل از بهينه‌سازي تك‌هدفه و چندهدفه نشان مي‌دهد كه طراحي موتور القايي با دو تابع هدف، باعث افزايش راندمان و كاهش هزينه شده ‌است. در ادامه، براي بررسي كارايي الگوريتم MSSA، نتايج آن، با روش الگوريتم‌هاي ژنتيك مرتب‌سازي غيرمستقيم (NSGA-II) و الگوريتم بهينه‌سازي اجتماع ذرات چندهدفه (MOPSO) مقايسه شده است. بررسي‌ها نشان مي‌دهد كه الگوريتم MSSA داراي سرعت همگرايي و تعداد مجموعه جواب‌هاي بهينه بالايي است، كه باعث عملكرد مطلوب اين الگوريتم در طراحي بهينه موتور القايي جهت افزايش راندمان و كاهش هزينه‌هاي آن است

The design of three-phase induction motors is a challenge in electrical engineering. Therefore, new design techniques are continuously provided. Since the design of the induction motors is carried out for different purposes, it is difficult to find a method that can addresses all the targets. Nowadays, the normal methods used to solve multi-objective problems are the optimization strategies. In this paper, the meta-heuristic optimization method has been used to design the squirrel cage induction motors with the aim of increasing efficiency and reducing costs. In this way, modeling of induction motor is done accurately and to solve this optimization problem, a new method of Multi-objective optimization of the Salp Swarm Algorithm (MSSA) has been provided. This algorithm is inspired by the social behavior of Salps. The proposed method is applied to the data of an induction motor of 2.5 KW with IE2 efficiency. The results of single-objective and multi-objective optimization exhibit that the design of an induction motor with two objective functions increases the efficiency and reduces the cost. Additionally, the MSSA algorithm is compared with the methods of genetic algorithms for indirect sorting (NSGA-II) and multi-object particle optimization algorithms (MOPSO). The MSSA algorithm has a convergence rate and a set of optimal response sets which demonstrates a good performance in optimal design of the induction motor to increase efficiency and reduce its costs.