L'IA améliore l'efficacité du réacteur à bras de pont grâce à des algorithmes génétiques

Lorsqu'un réacteur de 1 733 kilogrammes génère plus de 60 kilowatts de perte de puissance pendant son fonctionnement, avec des températures de point chaud atteignant 71,1 °C, cela représente non seulement un gaspillage d'énergie important, mais aussi une dégradation accélérée des matériaux isolants. Dans les systèmes d'alimentation, les réacteurs à bras de pont servent de composants critiques de limitation de courant et de filtrage, où la conception structurelle a un impact direct sur la stabilité opérationnelle et l'efficacité économique. Avec des exigences de conservation d'énergie de plus en plus strictes, les ingénieurs sont confrontés au défi d'équilibrer le poids, la perte de puissance et l'augmentation de la température tout en optimisant les performances.

Architecture Technique Principale : Modélisation Équivalente du Champ Électromagnétique-Thermique

Les réacteurs modernes à bras de pont utilisent généralement une structure encapsulée multicouche, avec des enroulements internes sécurisés par coulée de résine époxy. Des entretoises isolantes entre les couches forment des canaux d'air de refroidissement. Cette configuration parallèle permet de traiter chaque couche d'encapsulation comme un enroulement de solénoïde équivalent. Pour les calculs de paramètres électromagnétiques, les chercheurs appliquent les lois de tension et de courant de Kirchhoff aux fréquences fondamentales, simplifiant l'inductance mutuelle complexe des enroulements en solénoïdes coaxiaux équivalents.

Le modèle électromagnétique résultant prend en compte à la fois les composantes CC et les influences harmoniques. Grâce à des simulations thermiques-fluides couplées, les pertes d'enroulement se transforment en termes de source de chaleur, cartographiant avec précision l'évolution du champ de température du démarrage au fonctionnement en régime permanent.

Stratégie d'Optimisation : Implémentation d'un Algorithme Génétique Multi-Objectif

L'équipe de recherche a implémenté le NSGA-II (Non-dominated Sorting Genetic Algorithm II) pour obtenir un équilibre optimal entre faible perte, augmentation minimale de la température et conception légère. Quatre variables clés ont été sélectionnées : le nombre de branches (n), le rayon moyen de l'enroulement (R), le nombre de tours (N) et le diamètre du conducteur (d).

Une nouvelle stratégie à triple contrainte a été développée, maintenant une chute de tension de résistance égale, une augmentation de température équivalente et une densité de perte uniforme. Le processus d'optimisation a utilisé l'échantillonnage hypercubique latin (LHS) pour construire un espace de conception à quatre dimensions, tandis que la modélisation de surface de réponse de Krigeage a amélioré la précision de la prédiction de l'augmentation de température, garantissant la rigueur scientifique et la convergence.

Jalons de Performance : Avant et Après Optimisation

En testant un réacteur à bras de pont de 21,25 mH désaffecté d'une centrale électrique, l'équipe a généré un ensemble de solutions optimales de Pareto uniformément distribuées après 150 générations d'évolution génétique. Le prototype optimisé a démontré des améliorations complètes tout en maintenant l'inductance nominale à 21,82 mH :

• Efficacité Énergétique : Pertes totales réduites de 61,65 kW à 34,21 kW (réduction de 44,51 %)
• Gestion Thermique : Température du point chaud diminuée de 71,1 °C à 42,9 °C (réduction de 39,66 %), prolongeant considérablement la durée de vie de l'isolant
• Optimisation Structurelle : Masse totale de l'enroulement réduite de 1 733,2 kg à 1 302,7 kg (réduction de 24,83 %)

Cette avancée de conception démontre le potentiel de l'optimisation multi-objectif dans le développement d'équipements électriques, établissant un cadre technique pour les futures conceptions de réacteurs à haute fiabilité et à haute efficacité énergétique.