[發明專利]一種基于深度學習替代有限元分析的電抗器磁場仿真方法

在審

• 申請號: 202110253268.6
• 申請日: 2021-03-05
• 公開（公告）號: CN112784499A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 彭慶軍;鄭澤忠;馬鵬程;鄒閱培;侯安鍇
• 申請（專利權）人: 云南電網有限責任公司電力科學研究院;云南電網有限責任公司昆明供電局
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06F119/02
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;許偉群

本申請的一種基于深度學習替代有限元分析的電抗器磁場仿真方法，涉及磁場仿真領域，包括獲取電抗器的磁場數據以及電抗器基本參數；將磁場數據劃分為訓練數據集和測試數據集；對訓練數據集進行預處理，得到特征向量值及對應特征值；將訓練數據集對應的電抗器基本參數作為輸入、將特征向量值作為輸出，對深度學習模型進行訓練；將測試數據集對應的電抗器基本參數輸入到深度學習模型中，得到測試結果；對測試結果進行反處理，即得到電抗器磁場的仿真結果。本申請還包括一種電子設備，用于實現基于深度學習替代有限元分析的電抗器磁場仿真方法。本申請相比起有限元分析，預測速度明顯更快，能夠達到對磁場數據實時性預測的目的。

技術領域

本申請涉及磁場仿真方法技術領域，尤其涉及一種基于深度學習替代有限元分析的電抗器磁場仿真方法。

背景技術

干式空心電抗器具有干式無油、結構簡單、運行維護簡便、絕緣強度高、機械強度高、可靠性高的優點，因此廣泛應用于電力系統中。

串聯式電抗器在電網設備中廣泛應用，其設備故障導致的起火問題也不容忽視，串聯式電抗器起火一般是由于短路引起的。短路引起電抗器的磁場發生明顯變化，因此，獲得電抗器的磁場變化情況即可獲知電抗器的運行狀態，這就是數字電網的核心之一—設備的數字化，不僅正常運行的設備實現數字化，當設備故障時，數字化也要實時給出狀態信息。

現有技術中通常采用在每個電抗器上安裝磁場傳感器的方法，利用磁場傳感器監測電抗器的磁場強度，并利用有限元分析法分析比較當前磁場強度與正常磁場數據的變化情況，以提前根據磁場變化情況判斷串聯式電抗器是否出現短路。有限元分析法的精度雖高，但隨著模型復雜度和問題難度的升高，有限元分析法的計算耗時也逐漸增加，得到磁場的仿真結果的速度較慢。而串聯式電抗器因短路引起的起火是在瞬間發生的，當有限元分析法計算耗時較長時，將難以在這樣高實時性場景中滿足預測要求。

發明內容

本申請提供了一種基于深度學習的電抗器磁場仿真方法，以解決現有電抗器磁場仿真中利用有限元分析的耗時過長的問題。

本申請采用的技術方案如下：

一種基于深度學習替代有限元分析的電抗器磁場仿真方法，主要包括一下步驟：

獲取電抗器的磁場數據以及所述磁場數據所對應的電抗器基本參數；

將所述磁場數據劃分為訓練數據集和測試數據集；

對所述訓練數據集進行預處理，得到特征向量值及對應的特征值；

將所述訓練數據集對應的所述電抗器基本參數作為輸入信息、將所述特征向量值作為輸出信息，對深度學習模型進行訓練；

將所述測試數據集對應的所述電抗器基本參數輸入到所述深度學習模型中，得到測試結果；

對所述測試結果進行反處理操作，即得到電抗器磁場的仿真結果。

進一步地，所述數據磁場包括存儲于有限元分析軟件中的、不同電流下的電抗器磁場數據。

進一步地，所述預處理包括：先計算所述訓練數據集的均值，并進行去均值操作；

再采用主成分分析方法對所述訓練數據集進行降維處理，得到三維特征向量值和對應的三維特征值。

進一步地，所述電抗器基本參數包括電流、線圈匝數、導線橫截面積以及線圈尺寸等。

進一步地，所述深度學習模型包括：包括至少一個輸入層、至少二個隱含層及至少一個輸出層，其中，每個輸入層的神經元個數與所述輸入信息的個數相同，每個輸出層中的神經元個數與所述特征值的個數相同。

進一步地，對深度學習模型進行訓練還包括選取并設置所述隱含層參數、選擇激活函數、選擇減少過擬合的方法以及計算損失函數。