(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111604140.6 (22)申请日 2021.12.24 (71)申请人 北部湾大 学 地址 535011 广西壮 族自治区钦州市滨 海 新城滨海大道12号 (72)发明人 廖作文　米先艳　庞启硕　孙继璇　 龚璇　黄彩秀　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 代理人 杨浩林 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/12(2006.01) G06N 20/00(2019.01) (54)发明名称 磁饱和同步发电机稳态运行时内部变量的 求解方法及系统 (57)摘要 本发明公开了一种磁饱和同步发电机稳态 运行时内部变量的求解方法及系统， 属于设计优 化相关技术领域， 所述方法包括： 构建磁饱和同 步发电机稳态运行时内部变量与 目标响应值的 关系模型； 构建初始种群； 基于强化学习模型， 并 动态选择小生境方法划分初始种群， 得到当前代 子种群和当前代子种群对应的小生境方法； 基于 强化学习模型和当前代子种群对应的小生境方 法对当前代子种群中的个体进行差分进化， 得到 当前代子代个体一一对应的适应值； 将当前子代 个体中适应值为零的子代个体作为磁饱和同步 发电机稳态运行时内部变量与 目标响应值的关 系模型的根； 本发明解决了 现有求解方法中种群 多样性不足、 变异策略需要提前给定、 不能高效 平衡勘探和开采的问题。 权利要求书4页 说明书12页 附图2页 CN 114266199 A 2022.04.01 CN 114266199 A 1.一种磁饱和同步发电机稳态运行时内部变量的求解方法， 其特征在于， 包括如下步 骤： S1、 构建磁饱和同步发电机稳态运行时内部变量与目标响应值的关系模型； S2、 根据内部变量与目标响应值的关系模型定义计算空间， 并在设计空间内构建初始 种群； S3、 基于强化学习模型， 并动态选择小生境方法划分初始种群， 得到当前代子种群和当 前代子种群对应的小生 境方法； S4、 基于强化学习 模型和当前代子种群对应的小生境方法对当前代子种群 中的个体进 行差分进化， 得到当前代子代个 体一一对应的适应值和适应值评价总次数； S5、 判断适应值评价总次数 是否等于预设值， 若是则进入步骤S6， 否则返回步骤S3； S6、 将当前子代个体 中适应值为零的子代个体作为磁饱和同步发电机稳态运行时内部 变量与目标响应值的关系模型的根， 完成磁饱和同步发电机稳态运行时内部变量的求 解。 2.根据权利要求1所述的磁饱和同步发电机稳态运行时内部变量的求解方法， 其特征 在于， 所述 步骤S2中构建初始种群的表达式如下： 其中， xi,j表示初始种群中的个体， xj表示计算空间的下限， randj表示0到1区间的随机 数，·表示乘运 算， 表示计算空间的上限。 3.根据权利要求1所述的磁饱和同步发电机稳态运行时内部变量的求解方法， 其特征 在于， 所述 步骤S3包括如下步骤： S31、 基于强化学习模型， 定义种群多样性的状态、 小生境方法和奖励值， 并构 建种群多 样性的状态与小生 境方法关系模型； S32、 基于状态与小生 境方法关系模型划分初始种群， 得到若干代子种群； S33、 利用密度聚类算法比较第p代子种群的数量与第p ‑1代子种群数量， 得到第p代子 种群奖励Rp+1； S34、 根据第p代子种群奖励Rp+1对种群多样性的状态与小生境方法关系模型更新， 得到 第p代子种群多样性的状态与小生 境方法关系模型； S35、 利用第p代子种群多样性的状态与小生境方法关系模型和Softmax模型， 得到第p 代子种群对应的小生 境方法； S36、 判断是否能继续划分种群， 若是则将p代子种群的数量作为第p ‑1代子种群的数 量， 并返回步骤S3 3， 否则进入步骤S37； S37、 将第p代子种群作 为当前代子种群， 并将第p代子种群对应的小生境方法作 为当前 代子种群对应的小生 境方法。 4.根据权利要求3所述的磁饱和同步发电机稳态运行时内部变量的求解方法， 其特征 在于， 所述 步骤S31中种群多样性的状态与小生 境方法关系模型的表达式如下：权　利　要　求　书 1/4 页 2 CN 114266199 A 2其中， Q(s,a)表示种群多样性奖励值， a表示种群多样性的小生境方法， s表示种群多样 性的状态， crowding表示邻域拥挤小生境方法， speciation表示邻域物种小生境方法， Better表示种群多样性 为更好状态， I nferior表示种群多样性 为更差状态。 5.根据权利要求3所述的磁饱和同步发电机稳态运行时内部变量的求解方法， 其特征 在于， 所述 步骤S34中第p代子种群多样性的状态与小生 境方法关系模型表达式如下： 其中， Q(sps,apa)表示第p代子种群多样性奖励值， sps表示第p代子种群多样性 的状态， apa表示第p代子种群多样性的小生境 方法， crowding表示邻域拥挤小生境 方法， speciation 表示邻域物种小生境方法， Better表示种群多样性为更好状态， Inferior表示种群多样性 为更差状态， α和γ分别表示学习率和折扣 率， Rp+1表示第p代子种群奖励， Q(sps+1,apa)表示 第p代子种群获得的总积累奖励， 表示取最大值， ←表示赋值运算， diversity(iter ‑ 1)表示第p ‑1代子种群的数量， diversity(iter)表示第p代子种群的数量。 6.根据权利要求3所述的磁饱和同步发电机稳态运行时内部变量的求解方法， 其特征 在于， 所述 步骤S35中的Softmax 模型表达式如下： 其中， π(sps,apa)表示邻域拥挤小生境方法和邻域物种小生境方法的分段概率值， Q (sps,apa)表示第p代子种群多样性奖励值， T表示控制参数。 7.根据权利要求1所述的磁饱和同步发电机稳态运行时内部变量的求解方法， 其特征 在于， 所述 步骤S4包括如下步骤： S41、 基于强化学习模型和各代子种群对应的小生境方法， 定义当前代子种群 中个体的 状态、 进化方法和奖励值， 并构建个 体的状态与进化方法关系模型； S42、 通过交叉操作， 得到若干 子代个体和各子代个 体对应的适应值； S43、 通过比较第t代子代个体的适应值与第t ‑1代子代个体的适应值， 得到第t代子代权　利　要　求　书 2/4 页 3 CN 114266199 A 3