Resumen

Se propone un método off-line rentable para la estimación de los parámetros del circuito equivalente de un motor de inducción utilizando un híbrido de algoritmo genético y optimización de enjambre de partículas (HGAPSO). El HGAPSO hereda las ventajas tanto del algoritmo genético (GA) como de la optimización por enjambre de partículas (PSO). La metodología de estimación de parámetros describe un método para estimar los parámetros del circuito equivalente en estado estacionario a partir de las características de funcionamiento del motor, que normalmente se obtienen de los datos de la placa de características o de pruebas experimentales. En este trabajo, la formulación del problema utiliza el par de arranque, el par a plena carga, el par máximo y el factor de potencia a plena carga, que normalmente se obtienen de los datos del fabricante. El método propuesto se utiliza para estimar las resistencias del estator y del rotor, las reactancias de fuga del estator y del rotor, y la reactancia magnetizante en el circuito equivalente de estado estacionario. El problema de optimización se formula para minimizar una función objetivo que contiene el error entre los datos estimados y los del fabricante. Se demuestra la validez del método propuesto para un modelo preestablecido de motor de inducción en MATLAB/Simulink. Además, la evaluación del rendimiento del método propuesto se lleva a cabo mediante la comparación entre los resultados de HGAPSO, GA y PSO.

• Materias:Algoritmo de programación Interacción fluido-estructura Intercambiador de calor Minería colaborativa Variedades de arroz
• Subjects:Programming algorithm Fluid-structure interaction Heat exchanger Collaborative mining Rice varieties
• Palabras claves:optimización por enjambre de partículas, método, HGAPSO, algoritmo genético, motor de inducción, datos del fabricante, estimación de parámetros del circuito equivalente, factor de potencia a plena carga, parámetros del circuito equivalente, par a plena carga
• Keywords:particle swarm optimization, method, HGAPSO, genetic algorithm, induction motor, manufacturer data, equivalent circuit parameter estimation, full load power factor, equivalent circuit parameters, full load torque