现代电工装备的设计与优化由于需要考虑精细模拟、制造工艺约束、服役特性以及新材料特性等多方面的设计因素,使其成为一个亟需解决的计算难度大、多时空尺度和非线性问题。传统方法一般采用简化的有限元模型降低对计算资源的需求实现性能分析,以及依靠人经验在优化进行过程中实施必要干预实现性能优化,造成计算时间、结果精度和实用性等方面无法令人满意。一方面利用具有弹性、动态易扩展等特性的云平台去解决电工装备优化设计面临的大规模电磁有限元以及多样本任务计算问题从而减少计算时间;另一方面,考虑支持向量机在处理小样本数据和非线性问题时具有优越的数据特征表达能力和极强的泛化能力,采用支持向量机对电磁模型进行非线性回归分析,而后利用智能算法对代理模型进行优化从而提高目标值的精度。因此,本文提出基于云计算的电工装备集成计算方法,主要研究内容如下:(1)分析研究了多目标优化问题基础理论以及遗传算法(Genetic Algorithm,GA)、非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm,NSGA)和带精英策略的非支配排序遗传算法(NSGA-Ⅱ)的原理和特点,并使用含有理论解的多峰值标准函数对NSGA算法和NSGA-Ⅱ算法进行测试。(2)搭建了云平台有限元测试环境,运行TEAM Problem 7、三维电感和三维电机等3个有限元计算案例,获得计算时间和资源消耗最优的CPU核心数和内存配置,使用NSGA-Ⅱ算法优化了电磁云计算多目标任务调度问题的最大计算完成时间、机器总负荷和机器最大负荷3个目标,并采用多指标加权灰靶决策模型从Pareto解集当中选择最满意的云平台任务调度方案。(3)从变压器有限元仿真计算出发,通过变压器参数样本空间设计,采用支持向量机对其电磁模型进行非线性回归分析,引入NSGA-Ⅱ算法对其代理模型进行寻优得到一组最合理的变压器结构参数,并建立相应的有限元模型进行仿真验证。结果证明云计算平台可以提供多样本任务所需的大量计算资源;采用支持向量机和NSGA-Ⅱ算法对变压器的结构参数进行优化,建立的代理模型是准确可行和高效的,并通过有限元模型验证了优化结果的可靠性,证明了支持向量机和NSGA-Ⅱ算法对变压器结构参数优化的正确性和实用性。