| 71

Página

Disponible en línea en http://arjournal.org

INVESTIGACIÓN APLICADA REVISTA

ARTÍCULO DE INVESTIGACIÓN

ISSN: xxxx-xxxxx

Applied Research Journal Vol.1, No. 2, pp.71-79, abril de 2015

APLICACIÓN DE LA NO LINEAL TÉCNICA DE PROGRAMACIÓN OPTIMIZACIÓN DE DISEÑO TRANSFORMADOR

DE POTENCIA

1* Omorogiuwa Eseosa, 1 oboma SO

1 departamento de Ingeniería Eléctrica y Electrónica,, Facultad de Ingeniería, Universidad de Port Harcourt, Nigeria

INFORMACIÓN DEL ARTÍCULO RESUMEN

Historia Artículo:
Recibido: 15 de marzo de 2015 Aceptado final: 20, de abril
de 2015 publicado en línea: 25, de abril de 2015
Debido al gran número de transformadores de energía anual consumida e instalados
en las redes de servicios públicos, que siempre es necesaria y específica para
construir transformadores con el costo más razonable. El logro de las características
garantizadas de los transformadores es un factor importante que se debe considerar a
sabiendas de que la tarea del diseño del transformador es mucho tiempo. En este
trabajo, se presentó técnica (PNL) un intento exitoso para el diseño de gran tamaño

palabras clave: transformador de potencia utilizando la programación no lineal. La formulación

Transformador, Transformador de diseño, matemática diseño del transformador se explica de una manera sistemática para un
transformador de energía típico. También se presentaron las metodologías y aplicación
Optimización, programación no lineal.
de los resultados de optimización. Los resultados mostraron la eficacia de la
formulación matemática propuesta de transformador problema de diseño y la reducción
del coste total en comparación con los diseños convencionales.

© Copy Right, ARJ, 2015, Academic Journals. Todos los derechos reservados

1. INTRODUCCIÓN

Este documento se basa en la optimización del diseño del transformador de potencia. La optimización del

diseño de los transformadores está determinada mayormente por la minimización de las pérdidas globales de

costes transformador y sistema de costos con las consideraciones a las limitaciones relacionadas con las

especificaciones técnicas internacionales, así como las necesidades del usuario de transformadores que

buscan una solución de costo mínimo mediante el establecimiento de manera óptima de los parámetros de la

geometría del transformador con relevante cantidades eléctricas y magnéticas [1].

Esta dificultad en la consecución de un equilibrio óptimo entre coste transformador y el rendimiento se ha

vuelto aún más complicado hoy en día, debido a que los materiales activos usados en la fabricación del
transformador (cobre y aluminio para devanados del transformador, y hierro para circuito magnético) son
productos de bolsa variables cuyos precios son modificados en base diaria. Las técnicas que incluyen modelos
matemáticos que emplean fórmulas analíticas, basadas en constantes de diseño y aproximaciones para el
cálculo de los parámetros del transformador son a menudo la base de los procedimientos de diseño adoptadas
por los fabricantes de transformadores [2].
Página | 72 Applied Research Journal Vol.1, No. 2, pp.71-79, abril de 2015

También se observó que la minimización del coste global de fabricación del transformador es escasamente

tratada en la literatura técnica. Por otro lado, los principales enfoques tratan de la minimización de los

componentes de los costes transformador-específicos, tales como el costo de material magnético [3], [4], o la

de coste parte activa [5]. En este trabajo se presenta la aplicación de una programación no lineal (NLP) una

técnica de optimización en el transformador de potencia problema de optimización de diseño. La belleza de las

técnicas propuestas se puede clasificar de la siguiente manera: i). técnica de PNL se aplica con éxito para la

minimización del coste global del transformador parte activa y mecánica, ii). variables de diseño del

transformador, tales como los conductores "sección transversal y devanados se añaden a la algoritmo de

optimización para un agrandamiento y transversales diseños los de transformadores. Los métodos propuestos

encuentra diseño del transformador óptima aceptable minimizando o bien el coste del material general

transformador (es decir, el coste del transformador activo parte más el costo parte mecánica) o el material del

transformador y el costo de operación teniendo en factores de evaluación consideración de pérdida adecuada

en general, al tiempo que satisface simultáneamente todas las restricciones impuesta por las normas

internacionales y las necesidades de los usuarios del transformador, en lugar de centrarse en la optimización

de un solo parámetro de funcionamiento del transformador (e. g pérdidas sin carga o impedancia de

cortocircuito). Utilizando la técnica propuesta, un paquete de software de interfaz gráfica de usuario (GUI) se

desarrolla, que combinan el "diseño s transformador con análisis, visualización y optimización de herramientas,

útiles tanto para la optimización del diseño y uso educativo. La técnica se aplica al diseño de los

transformadores de potencia de varias clasificaciones y pérdida. Las categorías y los resultados se comparan

con el método de optimización del diseño del transformador (que ya es utilizado por la industria del

transformador), dando como resultado un ahorro significativo de costes. La técnica se aplica al diseño de los

transformadores de potencia de varias clasificaciones y pérdida. Las categorías y los resultados se comparan

con el método de optimización del diseño del transformador (que ya es utilizado por la industria del

transformador), dando como resultado un ahorro significativo de costes.

*Autor correspondiente: Omorogiuwa Eseosa, e-mail: Departamento de Ingeniería Eléctrica y Electrónica Ingeniería
eseosa.omorogiuwa@uniport.edu.ng,, Facultad de Ingeniería de la Universidad de Port Harcourt.

2. Material y métodos

2.1. Programa no lineal (NLP) técnica de optimización

En la región de la optimización del diseño del transformador, técnicas de PNL son muy adecuados

y eficaz debido al hecho de que las variables de diseño pueden asumir no sólo valores continuos,

sino también valores enteros (por ejemplo, número de bobinado vueltas). En este marco, el presente

documento propone un algoritmo de optimización adaptado a una formulación PNL, completando la

investigación anterior [5]. PNL se refiere a la programación matemática con variables y no

Página | 73 Omorogiuwa Eseosa y oboma SO

linealidades continuas y discretas en la función objetivo y las restricciones. Una PNL en general se

puede establecer como hallar x = x1, x2,…. Xn) de tal manera que F (x) es un mínimo

Sujeto a gi(x) {= 0, i = 1, 2, ..., m {ll1, ll2, M,…, lln} ≤ { x1, x2,….., xn} ≤ {ul1, ul2,…., uln} con x
≥0 ser una solución no negativo.

x = x1, x2, ......, xn = variables de diseño independientes.

F (x) = función no lineal función objetivo, es decir, función de costo

g(x) = no lineal desigualdad funciones de restricción, es decir, características de geometría y de

rendimiento.

LL y UL = conjunto de límites inferior y superior de diseño de las variables, respectivamente [11].

La función f (x) puede ser clasificada como lineal, no lineal, número entero, cero uno, dependiendo de

los términos de la misma. También puede ser lineal o no lineal. Solución con el método de función de

penalización exterior, la P aumentada (x, r) se formula como:

P (x, r) = F (X) + r Σ [()], r ≥ 0 (1)

Dónde (X) se define como Max [gi(x), 0] y q tiene un valor de 2 populares, aunque son posibles
otros valores. Por "método s Powell con un valor inicial de x1, y r1, Minimizar P (x1, r1) una nueva
función para x2, es formulado con r2 = cr1, c > 1 tal que
P (x,) = F (x) + r2Σi=0m [gi(x)]q, r ≥ 0 (2)
Este proceso de reducción al mínimo y rk->∞, como sigue
min P (x,) = Min F (x) (3)

PNL [6], [7] constituye un enfoque bien conocido para resolver problemas de optimización de

optimalidad. La técnica utiliza un esquema de enumeración incrustado para explorar el espacio de

búsqueda de una manera “inteligente”. Esto se hace mediante la partición del espacio de búsqueda

y la producción de los límites superior e inferior de las soluciones alcanzables en cada partición. Por

lo tanto, la búsqueda realizada por el algoritmo puede ser representada como un árbol que se recorre

en una de cierta manera. El más eficiente (en términos del número de iteraciones necesarias para

encontrar el óptimo y probar su optimalidad) es usar un recorrido en profundidad. El algoritmo

propuesto resuelve los problemas de optimización continua, mientras que restringir algunas variables

en conjuntos de valores estándar, que pueden consistir en valores discretos o enteros. El problema

de programación discreto asociado se divide de forma recursiva en dos subproblemas, mediante la

fijación de las variables discretas a la más cercana por encima y por debajo de valores estándar. La

búsqueda se inicia mediante la resolución de una relajación de programación no lineal (NLP), y el

uso de la solución como el límite inferior del problema. Si las soluciones de las variables discretas
Página | 74 Applied Research Journal Vol.1, No. 2, pp.71-79, abril de 2015

son todos iguales a los valores definidos en el conjunto discreto estándar, a continuación, la solución

óptima se alcanza y la búsqueda se detiene. De otra manera, las ramas de búsqueda en la primera

variable discreta que tiene solución no estándar. Se identifican los valores discretos más cercanos

encima y debajo de la solución actual. Si por encima y por debajo de los valores existe, la PNL con

el fijo por encima de los valores se convierte en el primer subproblema. Se identifica la primera

variable discreta con una solución no estándar. Posteriormente, se añade una nueva restricción de

igualdad para fijar esta variable al valor anterior a las limitaciones originales, y el subproblema sujeta

a las limitaciones PNL actualizados se resuelve. Si el subproblema PNL converge, y se obtiene la

solución superior por encima del límite inferior existente, a continuación, esta solución se convierte

en el nuevo límite inferior. La ramificación continúa de forma recursiva al siguiente valor discreto con

una solución no estándar. De lo contrario, el nodo es braza. Si esto ocurre, el algoritmo da marcha

atrás al nodo ascendente,

Figura 1 Diagrama de flujo de la técnica propuesta.

Página | 75 Omorogiuwa Eseosa y oboma SO
2.2.
Formulación del Problema de diseño

En esta sección se presenta la formulación matemática de la función objetivo, variables de diseño,

y las restricciones de diseño para la optimización del diseño del transformador de potencia (PTDO).

Esta técnica se integra en el entorno de Matlab, utilizando la interfaz gráfica de usuario adecuada

(GUI). El método propuesto se muestra en el diagrama de flujo de la figura 1. Las entradas del

transformador (Fig. 1), contiene parámetros de diseño, tales como la potencia nominal, tensiones,

etc., mientras que las 12 entradas de PNL (Fig. 1) comprende de los límites superior / inferior y el

valor inicial de la matriz de diseño. Una PNL para la optimización del diseño del transformador se

basa en la minimización de la función de coste global del transformador.

2.3. Función objetivo, variables y Restricción

La función objetivo para la minimización del transformador de potencia problema de diseño se

formula con el costo de capital y las pérdidas de costes. costo de las pérdidas es de costo pérdida

sin carga, el costo de pérdida de carga y el coste cargo por demanda, mientras que el costo de capital

consiste en piezas estampadas de costes y bobinados.

Matemáticamente, la función objetivo para el transformador de potencia problema de optimización

de diseño se establece como:

min f(x) = Σni = 0 ci fi(x) (3)

Dónde y son el costo unidades (naira / kg) y el peso (kg) de cada componente (activa y
parte mecánica, Fig. 1), y x son la como variables de diseño independientes densidad de flujo
máxima en el núcleo (), densidad de corriente en el devanado primario (HV), ( ) ,
densidad de corriente en el secundario
devanado (LV), (), altura de los devanados () metro; anchura de los devanados (),

metro; tensión por giro (), voltios; y la distancia entre los centros de núcleo (), metro.

La reducción al mínimo de la función objetivo está sujeta a las siguientes limitaciones:

(4)
PO + PK – 1.10 (GPO + GP) < 0 (5)
Po -1.15Pk < 0
Pk -1.15Pk < 0 (6)
0.9Zk < Zsc < Zk (7)
Po + Pk < 0c (8)
TCL - (3+ 2CY) ≤ 0 (9)
D – Ww – d ≤ 0 (10)
TPV (LP)05 - K ≤ 0 (11)
Po - [AiK1iK2i(3Hw + 2tu)] K3i K4i < 0 (12)
Ui ≤ Xi ≤ Uli, i = 1, 2, ..., n (13)
Xi ≥ 0, i = 1, 2, ..., n (14)
 Página | 76 Applied Research Journal Vol.1, No. 2, pp.71-79, abril de 2015

Dónde Po denota la pérdida sin carga diseñado (W), Pk la pérdida de carga diseñado (W), Zsc
el corto diseñado la impedancia del circuito (%), GPo la pérdida garantizada sin carga (W), GPk la
pérdida de carga garantizada (W), Zk la impedancia de cortocircuito garantizado (%), 0c es el calor
disipado (por convección) a través del transformador sistema de refrigeración (W), K1i es el factor
de edificio, K2i es el factor de apilamiento, K3i la densidad específica del hierro, K4i y la pérdida
/kg, mientras Hw, Ww, tu, D, d, Ai, son las características geométricas de la parte activa (Fig. 1),
ul y Ll son límites inferior y superior de x. Los coeficientes que aparecen en (4) - (7) se basan en

las tolerancias especificado por IEC 60076-1, mientras que los coeficientes respectivos en (8) -
(12) se basan en las especificaciones del fabricante del transformador.
Tras la selección del usuario, el costo de capital y las pérdidas del transformador también se

puede integrar en (3) que permite el diseño de optimización basado en el coste global, es decir, (costo

de capital y las pérdidas de costes).

𝑚𝑖𝑛𝑥𝑖 𝐹𝑃𝑇𝐷𝑂 = 𝑚𝑖𝑛𝑥𝑖 ∑𝑛𝑖=1 𝐶𝑖𝑋𝑖 + 0.01𝑟. 𝐶𝑝 + 𝐶𝑒𝑁(𝑃𝑜 + 𝑎2 𝑃𝑘) + (𝐶𝑑 (𝑃𝑜 + 𝑃𝑘)

𝑟
Dónde Cc denota el costo de capital y se calcula como 𝐶𝑐 = 𝐶𝑝 ∗ 100
= 𝑚𝑖𝑛 ∑𝑛𝑖=1 𝐶𝑖. 𝑓𝑖(𝑥) en (Naira),

Cpo denota tasa de coste de pérdida sin carga del transformador en (Naira / vatio), Cpk denota tasa
de costo de la pérdida de carga del transformador de (Naira / vatio), Cd denota cargos por demanda
cuestan en (Naira / vatio), Cp denota la fabricación del transformador y precio de compra (Naira /
vatio), N denota horas de funcionamiento por año, Ce denota cargas de energía en (Cantidad / kwh),
Po denota sin carga o pérdida de hierro en (kW), Pk denota la pérdida de cobre en (kW), Pt denota
totales la pérdida en (kW), que es la suma de (Po + Pk ), Cd denota en las cargas de demanda
(Cantidad / kw.yr), α denota carga constante funcionamiento / carga y nominal es de 0,8 < α < 1, r
𝑝
denota p*qn (qn -1) , denota 100+1, p denota tasa de interés en por ciento por año, q es el factor de

interés, n es el período de amortización en años, r es el factor de depreciación y se da como 13,39.

El punto del software propuesto fuerte es que el diseñador puede definir el costo de las cargas de
demanda de ((Po y Pk) utilizando 1) y fácil de usar interfaz gráfica de usuario fácil de usar.

Una de las variables de diseño cruciales durante la optimización del diseño del transformador es
el cálculo de la "sección del conductor. La "sección transversal conductores derivado de la densidad
de corriente de la alta tensión (HV) y baja tensión (BT) de bobinado, que consisten en parámetros de
diseño cruciales, dependiendo de la potencia del transformador y la categoría pérdida. En el método
propuesto, tres nuevos enfoques se proponen con el fin de definir con éxito los valores de la AT y BT
devanado densidad de corriente (en A / mm), que se denota como X2 y X3 respectivamente. En el

primer enfoque, el diseñador transformador puede definir directamente el valor de X2 y X3. El

principal inconveniente de este enfoque es que el diseñador transformador debe ser bastante
Página | 77 Omorogiuwa Eseosa y oboma SO

experiencia con el fin de ajustar correctamente este valor y dirigir el método para la solución óptima.
En el segundo enfoque, el bobinado, respectivamente, se puede definir un intervalo con un conjunto
de discreto y valores para el LV y HV. En este caso, el método propuesto calculará diseños óptimos
de transformadores, y, finalmente, se mantendrá el mejor diseño óptimo del transformador entre ellos.
Aunque este enfoque es mucho tiempo, asegura un diseño óptimo global. En el tercer enfoque, el
diseñador puede aumentar el vector de las cuatro variables de diseño en seis. En particular, la
definición correcta del valor de densidad de corriente es bajo las reglas (supervisión) del método de
optimización NLP. De esta manera, el diseñador define el transformador inicial,

Figura 2 diferencia de costo promedio

diferencia media de coste muestra la diferencia promedio entre los costes de los diseños de
transformador óptimos producidos por el método propuesto en comparación con el método actual
empleada en la industria de fabricación, para cada categoría KVA considerado en el estudio.
3. RESULTADOS Y DISCUSIÓN

La robustez del método propuesto se presenta en comparación con la de método actual [1] que
ya se aplica en una industria de fabricación del transformador.
El método propuesto minimiza el coste global del transformador (1), sujeto a las restricciones (2)
- (11) mediante la búsqueda de los ajustes óptimos de las variables de diseño, a saber, los
parámetros de construcción del núcleo Hw, Ww, Tw, D, se muestra en la Fig. 1 (variables continuas),
la inducción magnética (variable continua), y el número de vueltas (variable número entero). Dos más
variables de diseño se pueden añadir opcionalmente: X2 y X3 (Variables continuas).
 Página | 78 Applied Research Journal Vol.1, No. 2, pp.71-79, abril de 2015

El método propuesto se ha aplicado en un amplio espectro de transformadores reales,

de diferentes capacidades de voltaje y categorías de pérdida. En particular, 188 diseños
óptimos de transformador se crearon y se comparan con el método actual [6].

La Fig. 2 representa los resultados. Cabe señalar que los experimentos se llevaron a cabo
usando constante X2 y X3, valores (primera aproximación para la determinación de densidad
de corriente, descrito en la Sección II-C) porque la técnica heurística corriente [6] no podría
apoyar los otros dos enfoques.
3.1. PNL Optimización Resultado

Además de la simulación del transformador 300MVA utilizando algoritmos de

optimización NL, los resultados obtenidos de la utilización de Programa no lineal) de
optimización (NLP) en diferentes clasificaciones de transformadores de potencia, tensiones,
etc., y utilizando diversos materiales de núcleo se muestran en la Tabla 1.

tabla 1 Diferentes diseños de transformadores Uso de la PNL Técnica

Las características de diseño de Ex. Ex. N.º Ex. Ex.
los transformadores No. 1 2 Numero 3 No. 4
de potencia
mejoramiento
Valoración (MVA) 150 300 650 1250
De voltaje principal (KVolt) 138 138 330 11
Tensión secundaria (KVolt) 33 36 132 0,415
Frecuencia 50 50 50 50
conexión primaria / secundaria D/ D/S D/S D/
S S
Factor edificio 1.1 1.15 1.2 1.2
%Z 4 4 5 6
Temperatura de referencia 85 75 75 85
Temperatura. Subir 60 50 45 60
Temperatura ambiente media 30 30 30 30
Material del núcleo DKH M0H M4 M3
Precio Core (N / kg) 9 7.5 5.5 6.5
Copper Precio (N / kg) 15 14.5 dieciséis 13
Sin pérdida 13 11 11 9
de carga
precio
Evaluación
(N / W)
La pérdida 3 4 4 3
de carga
precio
Evaluación
(N / W)
El costo promedio (%) 10 9.3 9.1 7.9
La Tabla 1 muestra el resultado de la aplicación de la técnica a diferentes
transformadores de 150, 300, 650, y 1.250 MVA.
Página | 79 Omorogiuwa Eseosa y oboma SO

El transformador ha valorado tensiones primarias y secundarias como 138 / 33KV, el

grupo vector es Dyn11, la frecuencia es de 50 Hz, la impedancia es de 4%, el factor de
edificio es 1,1 y el material del núcleo es DKH que produjo y diseño óptimo con un coste
medio de 10%. Del mismo modo, el procedimiento se repite para el segundo, tercer y
cuarto transformadores con el coste medio correspondiente de 9,3%, 9,1% y 7,9%,
respectivamente.
Tabla 2 Los resultados de optimización de la función objetivo haciendo uso de la PNL
resultados

Mejoramiento NL
método Ex. Numero 3
Ex. No. 1 Ex. N.º 2 Ex. No. 4 Promedio
%Z 4.158 3,916 5.195 5,859 4,782
Sin Pérdida de carga (W) 269 574 1394 1506 935,8
La pérdida de carga (W) 2080 2338 3683 9606 4427
Costo capital 135 135 135 135 135
La demanda de carga de 5400 5400 5400 5400 5400
costes
Coste total (N) 14802 23238

Finalmente, una comparación de los resultados de optimización que incorporan el costo de

operación del transformador, utilizando (13), ha llevado a cabo, para el mismo caso de estudio de la
150, 300, 650, y el transformador 1250MVA. La Tabla II muestra los resultados del método
propuesto utilizar PNL.

Se puede observar que los diseños de algoritmo de programación NL son mejores que los
obtenidos por el método convencional. Esto se puede atribuir a la disponibilidad de las restricciones
en el problema de diseño del transformador. Las restricciones son difíciles de incorporar en el
programa convencional como generalmente se deja a la función de aptitud para gestionar y
cuantificar posible inviabilidad. En general, los métodos convencionales no deben considerarse como
un sustituto de algoritmo de programación NL, sino como otro enfoque de optimización que se puede
utilizar.

De acuerdo con los resultados obtenidos de esta tesis, se puede concluir lo siguiente: i) se ha
propuesto una nueva formulación de un transformador de potencia en baño de aceite. Un programa
de diseño basado en computadora se desarrolló con éxito. La formulación diseño propuesto tiene en
cuenta las limitaciones prácticas en el arte del diseño y fabricación del transformador. ii). Los
Resultados del transformador construido utilizando la formulación propuesta se presentan para
ilustrar y confirmar la fiabilidad y la eficacia de la formulación matemática del diseño propuesto. iii).
Un algoritmo de programación no lineal ha sido implementado y aplicado al problema de diseño del
transformador. Los resultados obtenidos usando el algoritmo de programación NL es alentador si se
compara con el diseño hecho por la experiencia práctica. iv). Además de la consecución de los
objetivos de tesis, vale la pena mencionar que un resultado importante es la eficacia y el éxito en
lugar de adecuación del uso de técnicas de optimización no lineal () en el campo del diseño del
transformador. El uso de estas técnicas en el área de transformador, sin duda, es de un alto valor
añadido desde el punto de vista del ahorro de dinero, tiempo y esfuerzo.
Página | 80 Applied Research Journal Vol.1, No. 2, pp.71-79, abril de 2015
4.
CONCLUSIÓN

El método propuesto es muy eficaz debido a su robustez, su alta velocidad de ejecución y su

capacidad de buscar eficazmente la gran espacio de soluciones. resultados positivos y alentadores
se han cumplido con las técnicas de optimización de programación NL. La validez de este método se
ilustra por su aplicación a un amplio espectro de transformadores reales, de diferentes grados de
energía y las pérdidas, el resultado diseños óptimos con un ahorro de coste medio de 9,1%.

Se recomienda el trabajo futuro con técnica de optimización usando paso avanzado en el campo de
la optimización de transformadores de potencia. Tal un nuevo algoritmo puede comienza con la
ejecución del subprograma GA que no requiere ningún valores iniciales para las variables diseñados
y luego alimentar a los valores optimizados GA como valores iniciales para el programa NL.

Además, una formulación matemática de transformadores de potencia problema de diseño podría

dar lugar a diseños más económicos cuando optimiza a través de la inteligencia artificial (AI) y
técnicas de NL.

5. REFERENCIAS

[1] Jabr, R. 2005. La aplicación de programación geométrica a Transformador de diseño,” IEEE Trans. Magnetics.
41 (11): 4261 a 4269.
[2] Wu CJ y Lee FC 1980. mínimo peso de la IE núcleo y el núcleo olla inductor y del transformador diseños” IEEE Trans. Magn. 16 (5):
755-757.
[3] Kefalas TD, Georgilakis PS, Kladas, AG, Souflaris, AT y Paparigas DG 2008. Multiple
grado núcleo de laminación de la herida: una técnica novedosa para la minimización de la pérdida de hierro del transformador usando recocido simulado con
reinicia y un modelo de anisotropía. IEEE Trans. Magn. 44 (6): 1082-1085.

[4] Amoiralis, EI Tsili, MA, Georgilakis, PS, Kladas, AG y Souflaris, AT 2008. Un paralelo
número entero técnica de método de los elementos finitos mixtos de programación para la optimización global de diseño de transformadores de potencia,”IEEE Trans.
Magn. 44 (6): 1022-1025.

[5] Castillo, E. Conejo, AJ, Pedregal, P., García, R. y Alguacil, N. 2002. Construcción y Resolución
Modelos matemáticos de programación en Ingeniería y Ciencia. Hoboken, NJ: Wiley. [6] Georgilakis, PS, Tsili, MA,
Souflaris, AT 2007. Una solución heurística al transformador
fabricación de un problema de optimización de costes. J. Mater. Procesamiento Technol. 181 (1-3): 260-266. [7] Leyffer, S. 2001. La integración
de SQP y-y con destino a la rama para la programación no lineal entera mixta,”
Comput. Optim. Applicat. 18 (3): 295-309.
[8] Tsili, MA, Kladas, AG, Georgilakis, PS, Souflaris, AT, Paparigas, DG 2006. El diseño avanzado
metodología para la tensión de la herida transformadores de potencia de un solo núcleo y dual basado en un modelo de elementos finitos particular. Elec.
Syst poder. Res. 76: 729-741.

[9] Tsili, MA, Amoiralis, EI, Kladas, AG, Souflaris, AT 2009. híbrido numérico-analítico técnica de modelado térmico del
transformador de potencia. IEEE Trans. Magn. 459 (3): 1408-1411. [10] Pérdida Guía de evaluación de los
transformadores y reactores de potencia, ANSI / IEEE C57.120 Estándar, 1992. [11] Mittle, VN 2006. Diseño de máquinas eléctricas.
Distribuidores estándar Publishers, Nueva Delhi. pp: 82, 576.
[12] Merritt, SY y Chaitkin, SD 2003. No carga frente a la pérdida de carga. IEEE Ind. Applicat. revista 9 (6): 21-

28.
[13] Tutkun, N. y Moses, A. 2004. Diseño optimización de un núcleo toroidal típico de tira herida utilizando algoritmos genéticos. J. Material
del imán de magnetización. 277 (1-2): 216-220.
[14] Geromel, Luiz H. & Souza, Carlos R. 2002. La aplicación de sistemas inteligentes para
Transformador Design78, procediendo IEEE en Ingeniería Eléctrica e Informática. Conferencia Canadiense, pp 285 -. 290.

[15] Boccaletti, C. Callea, V., Elia, S., Sabene, M., Sordi, P. 2002. Análisis paramétrico y Económico
Página | 81 Omorogiuwa Eseosa y oboma SO
Consideraciones sobre el diseño de grandes Transformers78 de energía, Actas de IASTED Conferencia Internacional sobre
Aplicada simulación y modelado (ASM 2002). Creta, Grecia. pp: 25-28. [16] Hui, Li, Han., Li, He, Bei., Shunchang, Y. 2000. Aplicación
de investigación basada en genética mejorada
Algoritmo para el diseño óptimo de la energía Transformers78. IEEE Transactions on Power Systems. 3 (2): 105-109.

[17] Heathcote, MJ, The J & P Transformador book78 - duodécima edición 1998 - Publicado por Newnes. [18] Vecchio, D, y et al. 2010.
Principios de diseño de transformadores de potencia con aplicaciones a la forma del núcleo transformadores. CRC Press. 9: 48.
[19] Walters David, C. y Sheble, Gerald, B. 1992. solución algoritmo genético de despacho económico con válvula de punto de carga”,
92SM 414-3. IEEE / PES reunión de verano.
[20] Chen, H., Canizares, CA, y Singh, A., basado en ANN 2001. Corto Plazo Load Forecasting en Electricidad
Mercados. Actas de la Conferencia de transmisión y distribución de energía IEEE Engineering Society.

[21] Roizman, O. y Davydov, V. Computing 1999. Neuro-Fuzzy para Transformadores de potencia grandes
Monitoreo y Diagnóstico”, Fuzzy Sociedad de Procesamiento de la Información, NAFIPS. 18ª Conferencia Internacional de la América
del Norte. 1: 248 -252.
[22] Poloujadoff, M., Findlay, RD 1986. Un procedimiento para que ilustra el efecto de variación de parámetros el óptimo
transformador Design78. IEEE Transactions on Power Systems. 1 (4): 202-206. [23] Anderson, OW 1991. diseño
optimizado de Energía Eléctrica Equipment78, Aplicaciones IEEE Computer en
poder. 4 (1): 11-15.
et [24] Grady WM. Alabama. 1992. programa informático basado en PC para la enseñanza del Diseño y análisis de Dry-
Tipo Transformers78. Me eee Transactions on Power Systems. 7 (2): 709-717. [24] Rubaai, A. 1994. Computer Aided
Instrucción del transformador de energía Diseño de la Licenciatura

Poder Class78 Ingeniería. Transacción IEEE sobre Power Systems. 9 (3): 1174-1181. [25] Arbib, Michael A. (Ed.). 1995. El
Manual de teoría del cerebro y redes neuronales "[26] TeNyenhuis, Ed, G., Ramis, S. Girgis, y Gunther, F. 2001. Otros factores
que contribuyen a la
Rendimiento pérdida en el núcleo de los transformadores de potencia y distribución. IEEE Trns. En Power Delivery. 16 (4).

[27] Palmer, S. y Sharpley, WA 1969. Resistencia eléctrica del transformador de aislamiento. Proc. EEI. 116: 19651973.
[28] De Leon, F. 1992. cálculo eficiente de los parámetros elementales de transformadores. IEEE Trans. en
La entrega de energía. 7 (1): 376-383.
[29] Wilcox, J., Hurley, WG, Conlon, M. 1989. Cálculo de sí mismo y las impedancias mutuas entre la sección de devanados del
transformador. Procediendo EEI. 136: 308-314.

[30] Sawhney, AK 2001. Un Curso de Diseño de la máquina eléctrica. Dhanpat Rai & Co. (P) Ltd. pp: 375-380. [31]
Bharat Heavy
Electricals Limited (BHEL), Transformers. 2008. 2ª edición, Tata McGraw-Hill
Publishing Company Limited. [32] www.keyspanenergy.com “Técnicas de
optimización"
[33] López-Fernández, XM, Bulent Ertan, H., Turowski, J. Análisis 2013.Transformers, diseño, y Medición, CRC
Press. Taylor & Francis Group, Boca Ratón.
[34] Omer Mahmood, B., Ali, A,. 2010. PRÁCTICA transformador de diseño, Lambert Academic Publishing.