Power Transformer Design Optimization Using Multi-Objective Evolutionary Algorithms. PhD thesis, King Fahd University of Petroleum and Minerals.

PDF (Final PhD Dissertation) Final_Disseration_Ayyoub Al-Hourani.pdf - Accepted Version Restricted to Repository staff only until 19 May 2027. Download (5MB)

Arabic Abstract

يُعد تصميم محولات القدرة العالية من أكثر مسائل الهندسة الكهربائية تعقيداً، نظراً لطبيعته غير الخطية ومتعددة الأهداف وشديدة القيود، إضافةً إلى الترابط القوي بين الجوانب الكهرومغناطيسية والحرارية والميكانيكية والعازلية والاقتصادية، وذلك ضمن متطلبات صارمة تفرضها معايير IEC وIEEE وتعتمد أساليب التصميم التقليدية بصورة كبيرة على الإجراءات التكرارية والخبرة الهندسية، مما يحد من القدرة على استكشاف المقايضات التصميمية بصورة منهجية بين التكلفة والكفاءة والأداء الحراري والاستدامة على مدى دورة الحياة. كما أن العديد من الدراسات السابقة في مجال تحسين تصميم المحولات اعتمدت على نماذج تحليلية مبسطة أو خوارزميات تحسين ثابتة أو تحقق فيزيائي محدود، الأمر الذي يقلل من قابليتها للتطبيق على محولات القدرة الصناعية ذات السعات الكبيرة. تقدم هذه الأطروحة إطاراً متكاملاً وذا توجه صناعي لتحسين تصميم محولات القدرة متعددة الأهداف، من خلال الدمج بين النمذجة الفيزيائية التحليلية، وخوارزميات التحسين التطورية الهجينة التكيفية، والتحقق عالي الدقة باستخدام العناصر المحددة، وتقييم الأثر البيئي لدورة الحياة. وتمت صياغة مسألة التصميم باعتبارها مسألة تحسين متعددة الأهداف ومقيدة، تعتمد على ثمانية متغيرات تصميمية رئيسية تتحكم في هندسة القلب الحديدي والملفات ومستوى التحميل المغناطيسي والكهربائي. وتركز دوال الهدف على تقليل تكلفة الجزء الفعال للمحول وتعظيم الكفاءة، مع الالتزام بقيود كهربائية وحرارية ومغناطيسية وعازلية وتصنيعية وصوتية مستندة إلى معايير IEC 60076 وIEEE C57. تم تطوير منصة تحليلية شاملة باستخدام MATLAB لنمذجة الخسائر، والممانعة، والسلوك الحراري، واستهلاك المواد، والتكلفة التصنيعية. كما تم التحقق من صحة النموذج التحليلي بمقارنته مع برامج تصميم صناعية وبيانات اختبارات فعلية لمحولة قدرة بقدرة 100/133 ميغافولت-أمبير وجهد 230/34.5 كيلو فولت، حيث أظهرت النتائج توافقاً عالياً ضمن الحدود الهندسية المقبولة. ومن أجل استكشاف فضاء التصميم المقيد، تمت دراسة ومقارنة عدد من الخوارزميات التطورية متعددة الأهداف. كما تم تطوير خوارزميتين مخصصتين هما: خوارزمية التطور التفاضلي متعددة الأهداف (MODEA) وخوارزمية سرب الجسيمات متعددة الأهداف (MOPSO)، بهدف تحسين التقارب والتنوع في مسائل تصميم المحولات المقيدة. واستناداً إلى ذلك، تم اقتراح إطار هجين تكيفي جديد لتحسين تصميم المحولات متعددة الأهداف (HMOEA-TDO)، يدمج بين PSO وDE وNSGA-II ضمن بنية هجينة تكيفية تعتمد على آلية الاختيار التكيفي للمشغلات (AOS)، وتقليص حجم المجتمع ديناميكيا (DPSR)، وأرشفة حلول بارِتو النخبوية. وقد أظهرت النتائج أن الإطار المقترح يحقق أداءً متفوقاً من حيث جودة جبهة بارِتو والتنوع والكفاءة الحسابية مقارنة بخوارزميات NSGA-II وNSGA-III وSPEA-2 وMODEA وMOPSO، وذلك باستخدام مؤشرات الأداء HV وIGD وSP. ولضمان الموثوقية الفيزيائية للتصاميم المحسّنة، تم إجراء تحقق باستخدام نمذجة ثلاثية الأبعاد كهرومغناطيسية-حرارية عالية الدقة باستخدام طريقة العناصر المحددة. وقد تمكن نموذج FEM من التنبؤ بدقة بتوزيع الفيض المغناطيسي، والخسائر الحديدية، والخسائر الشاردة، وسلوك الفيض المتسرب، والممانعة، وتكون النقاط الساخنة الحرارية تحت ظروف التشغيل المختلفة. كما أظهرت النتائج فعالية المصدّات المغناطيسية في تقليل الخسائر الشاردة وخفض درجات الحرارة الموضعية. وأخيراً، تم دمج تقييم دورة الحياة (LCA) ومؤشر الكفاءة القصوى (PEI) لتحليل الأثر البيئي الناتج عن قرارات التصميم. وأظهرت النتائج أن الخسائر التشغيلية تمثل المساهم الأكبر في الانبعاثات الكربونية طوال عمر المحول، وأن التصاميم المحسّنة عالية الكفاءة قادرة على خفض انبعاثات ثاني أكسيد الكربون بنسبة تتراوح بين 20% و37% تبعاً لقدرة المحول وظروف تشغيله. بصورة شاملة، تقدم هذه الأطروحة إطاراً موحداً يربط بين التحسين متعدد الأهداف التكيفي، والتحقق الفيزيائي عالي الدقة، وتقييم الاستدامة البيئية، بما يوفر منهجية عملية وموثوقة لتصميم محولات قدرة تحقق التوازن بين الكفاءة الاقتصادية والاعتمادية الفيزيائية والاستدامة البيئية.

English Abstract

Power transformer design is a highly constrained, nonlinear, and multi-objective engineering problem involving strong coupling between electromagnetic, thermal, mechanical, dielectric, and economic phenomena under strict IEC and IEEE standards. Traditional transformer design methodologies are predominantly iterative and experience-driven, often limiting the ability to systematically explore complex trade-offs among manufacturing cost, efficiency, thermal performance, and lifecycle sustainability. In addition, many existing optimization studies rely on simplified analytical formulations, static evolutionary algorithms, or limited physical validation, reducing their applicability to large industrial power transformers. This dissertation develops an integrated and industrially oriented framework for multi-objective power transformer design optimization by combining physics-based analytical modeling, adaptive hybrid evolutionary optimization, high-fidelity finite element validation, and lifecycle environmental assessment. The transformer design problem is formulated as a constrained multi-objective optimization problem using eight key design variables governing core geometry, winding configuration, magnetic loading, and electrical loading. The optimization objectives focus on minimizing active-part manufacturing cost while maximizing transformer efficiency under electrical, thermal, magnetic, dielectric, acoustic, and manufacturability constraints derived from IEC 60076 and IEEE C57 standards. A MATLAB-based transformer design and evaluation platform is developed to model losses, impedance, thermal behavior, material usage, and manufacturing cost. The analytical framework is validated against industrial transformer design software and measured factory test data from a 100/133 MVA, 230/34.5 kV power transformer, demonstrating close agreement within acceptable engineering tolerances. To explore the constrained design space, several established multi-objective evolutionary algorithms are investigated and benchmarked. Two tailored optimization methods, namely the Multi-Objective Differential Evolution Algorithm (MODEA) and Multi-Objective Particle Swarm Optimization (MOPSO), are developed to improve Pareto-front convergence and diversity in constrained transformer design problems. Building upon these methods, a novel Adaptive Hybrid Multi-Objective Evolutionary Algorithm for Transformer Design Optimization (HMOEA-TDO) is proposed. The framework integrates PSO, Differential Evolution, and NSGA-II within an adaptive hybrid architecture incorporating Adaptive Operator Selection (AOS), Dynamic Population Size Reduction (DPSR), and elitist Pareto archiving. The proposed adaptive framework demonstrates improved convergence behavior, Pareto-front diversity, and computational efficiency relative to NSGA-II, NSGA-III, SPEA-2, MODEA, and MOPSO using Hypervolume (HV), Inverted Generational Distance (IGD), and Spacing (SP) metrics. To ensure physical reliability, optimized transformer designs are validated using high-fidelity three-dimensional electromagnetic-thermal finite element simulations. The FEM framework accurately predicts magnetic flux distribution, core losses, stray losses, leakage flux behavior, impedance, and thermal hotspot formation under both no-load and rated-load operating conditions. The validation further demonstrates the effectiveness of magnetic shunts in reducing structural stray losses and suppressing localized hotspot temperatures. Finally, lifecycle assessment (LCA) and Peak Efficiency Index (PEI) analyses are incorporated to evaluate the environmental impact of transformer design decisions. The results show that operational losses dominate lifecycle carbon emissions and that efficiency-oriented optimized designs can reduce total lifecycle CO₂ emissions by approximately 20-37%, depending on transformer rating and operating conditions. Overall, this dissertation presents a unified framework that integrates adaptive multi-objective optimization, physics-based validation, and sustainability assessment into a practical methodology for economically optimal, physically reliable, and environmentally sustainable power transformer design.