融合数据与机理模型的变压器数字孪生全周期管理方法与流程

本发明涉及数字孪生技术和电力变压器管理领域，具体涉及融合数据与机理模型的变压器数字孪生全周期管理方法。

背景技术：

1、近年来，数字孪生技术已被公认为工业智能制造领域的新兴技术，应用场景覆盖面广泛。数字孪生技术主要包括数据模型驱动和机理模型驱动两大类。数据模型驱动的数字孪生技术是一种基于数据采集和处理的数字孪生技术，可以实现对物理系统的仿真、预测和优化。需要指出的是，这种技术需要大量数据的支持，而传统的监测方法往往只能为各应用场景提供有限的数据信息。机理模型驱动的数字孪生技术是一种将实际物理系统与数学模型相结合的技术，能够更好地实现对物理系统的仿真、预测和优化，具有更广泛的应用前景。从本质上讲，在机理模型驱动的数字孪生技术中，主要是通过建立物理模型与虚拟模型相结合的数字孪生体系，实现对现实世界物理系统的监测、仿真和预测，彰显了仅仅依赖传统物理模型所不具备的显著技术优势。

2、从发展趋势上讲，近期数据模型与机理模型联合驱动的数字孪生技术应运而生，通过结合实时监测数据与机理模型预测结果的优势，提高数字孪生技术的精度和可靠性，为实现智能化设计、制造和运维提供了更加强有力的支持。

3、电力变压器是电力系统的关键设备，其稳定、安全的运行对于电力系统的正常运行至关重要。因此，如何充分有效地利用数字孪生技术对电力变压器进行监测、预测和优化，已成为这个方向的研究热点。

4、本发明提出了融合数据与机理模型的变压器数字孪生全周期管理方法，对电力变压器进行全周期管理，包括设计、生产和运维等环节。

技术实现思路

1、本发明的目的在于提供一种融合数据与机理模型的变压器数字孪生全周期管理方法，为了实现该目的，本发明提供的技术方案如下：

2、融合数据与机理模型的变压器数字孪生全周期管理方法的步骤为：

3、s1、针对电力变压器的用途、负载特点和环境条件等情况，对电力变压器进行特性分析，确定技术要求；

4、s2、通过传感器等设备，采集电力变压器的实时监测数据；

5、s3、根据电力变压器的特性和采集的监测数据，构建一种由数据模型与机理模型两种异质模态相融合的数字孪生模型；

6、s4、通过数字孪生模型，对电力变压器进行优化设计，包括结构、材料和工艺等方面一起做优化；

7、s5、将优化设计的电力变压器关键要素输入到数字孪生模型中进行仿真验证，验证优化设计方案的可行性和效果；

8、s6、然后，将实时监测的数据输入到上述数字孪生模型中，通过该模型获得电力变压器内部的状态和性能信息，进行实时性能预测；

9、s7、根据上述数字孪生模型实时预测的结果，采取有针对性的运维措施(比如，调整负载、检修维护等)，以提高电力变压器的运行效率和可靠性；

10、s8、根据运维之后反馈的实时监测数据，进一步更新和优化数字孪生模型，以便提高数字孪生技术的精度和可靠性；

11、s9、通过数字孪生技术对电力变压器进行全周期管理，包括设计、生产和运维等环节，实现电力变压器的全生命周期管理。

12、本发明所述步骤s1中要分析的电力变压器特性包括热稳定性能、铁心振动特性、励磁涌流特性、直流偏磁特性、负载损耗和运行特性等与其用途、负载特点和环境条件相关的特性。

13、本发明所述步骤s3中的数字孪生模型是一种以异质方式融合了实时数据模型和机理模型的深度模型。其中，实时数据模型是指基于同类型电力变压器的海量异构历史及实时状态监测数据构建的模型，如人工智能技术的变压器油中溶解气体预测模型和基于深度学习技术的变压器电磁、流体、温度和应力的多物理场要素模型；而机理模型是以变压器物理机理(主要考虑变压器机理结构及运行工况的复杂性)和仿真数据为基础形成的模型，如变压器绕组多导体传输线模型、变压器端部绝缘电场仿真模型、变压器绕组温升模型等。两种模型相辅相成、相互修正。在两种模型的融合策略上，首先采用了深度多模态融合思路，将来自变压器传感器的实时数据和仿真数据分别通过深度玻尔兹曼机(dbm)完成特征提取，将两种异质模态的数据映射到非线性的高维空间，然后通过深度神经网络在该空间进行异质模态信息的融合，获得深度特征表示，形成一种融合了变压器实时数据特性和工作机理的数字孪生模型。

14、本发明所述步骤s4中的电力变压器优化设计是指在电力变压器型号确定、性能参数满足国家标准和用户需求，同时还能保证其能安全可靠运行的前提下进行的优化设计，主要涉及到结构、材料和工艺等要素。结构上涉及到变压器器身、高压控制箱和低压控制箱的组合排列形式，材料上主要以硅钢片和绕组铜导线为主，工艺上主要涉及到铁芯制造和铁芯降噪和线圈浇注等加工制造环节，这些要素均与变压器工作时的性能参数密切相关。

15、本发明所述步骤s5中的仿真验证涉及到电力变压器的参数、电路模块和各类模型。参数上包括各种电气参数，电路模块涉及到集总参数电路，模型上有内部故障和外部故障模型、继电保护动作模型，等等。在仿真验证过程中，还涉及到仿真软件，如matlab、maplesim和有限元仿真软件ansysmaxwell等。

16、本发明所述步骤s6中的内部状态主要是分析电力变压器是否处于不正常工作状态，包括外部短路或过负荷引起的过电流、油箱漏油造成的油面降低、变压器中性点电压升高、电源电压过高或频率降低引起的过励磁等。电力变压器性能信息主要涉及到额定容量、额定电压及其分接、额定频率、绕组联结组以及额定性能数据(阻抗电压、空载电流、空载损耗和负载损耗)。

17、本发明所述步骤s8中根据反馈的实时监测数据进一步更新和优化数字孪生模型，包括上述s3步骤中的机理模型和实时数据模型两种类型，因此是一种融合数据与机理模型的电力变压器管理方法。

18、本发明所述步骤s9中对电力变压器进行全周期管理也包括对变压器的报废，都可以利用数据模型与机理模型联合驱动的数字孪生模型来完成。因此，本发明的设计方法也与电力变压器的寿命预测需求密切相关。

19、与现有技术相比，本发明具有以下优点：

20、本发明提供了一种融合数据与机理模型的变压器数字孪生全周期管理方法，通过将数字孪生技术应用于电力变压器运行过程中，实现了对电力变压器全周期管理的支持。该方法不仅考虑了电力变压器的静态性能，还考虑了其在不同工况下的动态性能，可以有效地提高电力变压器的可靠性。本发明提出的实时数据模型与机理模型联合驱动的数字孪生电力变压器，具有广泛的应用前景，可以为电力系统的稳定运行和高效管理提供重要的技术支持。

技术特征：

1.融合数据与机理模型的变压器数字孪生全周期管理方法，其特征在于，具体步骤为：

2.根据权利要求1所述的融合数据与机理模型的变压器数字孪生全周期管理方法，其特征在于，所述步骤s1中电力变压器的特性包括热稳定性能、铁心振动特性、励磁涌流特性、直流偏磁特性、负载损耗和运行特性，及其用途、负载特点和环境条件相关的特性。

3.根据权利要求1所述的融合数据与机理模型的变压器数字孪生全周期管理方法，其特征在于，所述步骤s3中的数字孪生模型是一种以异质方式融合了实时数据模型和机理模型的深度模型；其中，所述实时数据模型是指基于同类型电力变压器的海量异构历史及实时状态监测数据构建的模型；所述机理模型是以变压器物理机理和仿真数据为基础形成的模型。

4.根据权利要求3所述的融合数据与机理模型的变压器数字孪生全周期管理方法，其特征在于，所述实时数据模型包括人工智能技术的变压器油中溶解气体预测模型和基于深度学习技术的变压器电磁、流体、温度和应力的多物理场要素模型；所述机理模型包括变压器绕组多导体传输线模型、变压器端部绝缘电场仿真模型、变压器绕组温升模型。

5.根据权利要求3所述的融合数据与机理模型的变压器数字孪生全周期管理方法，其特征在于，所述实时数据模型和机理模型的融合策略上，首先采用了深度多模态融合思路，将来自变压器传感器的实时数据和仿真数据分别通过深度玻尔兹曼机完成特征提取，将两种异质模态的数据映射到非线性的高维特征空间，然后通过深度神经网络在该空间进行异质模态信息的融合，获得深度特征表示，形成一种融合了变压器实时数据特性和工作机理的数字孪生模型。

6.根据权利要求1所述的融合数据与机理模型的变压器数字孪生全周期管理方法，其特征在于，所述步骤s4中的电力变压器优化设计主要涉及到结构、材料和工艺要素。

7.根据权利要求6所述的融合数据与机理模型的变压器数字孪生全周期管理方法，其特征在于，所述结构上涉及到变压器器身、高压控制箱和低压控制箱的组合排列形式，所述材料上主要以硅钢片和绕组铜导线为主，所述工艺上主要涉及到铁芯制造和铁芯降噪和线圈浇注等加工制造环节。

8.根据权利要求1所述的融合数据与机理模型的变压器数字孪生全周期管理方法，其特征在于，所述步骤s5中的仿真验证涉及到电力变压器的参数、电路模块和各类模型。

9.根据权利要求8所述的融合数据与机理模型的变压器数字孪生全周期管理方法，其特征在于，所述参数包括各种电气参数，电路模块涉及到集总参数电路；所述模型上有内部故障和外部故障模型、继电保护动作模型。

10.根据权利要求1所述的融合数据与机理模型的变压器数字孪生全周期管理方法，其特征在于，所述步骤s6中的内部状态主要是分析电力变压器是否处于不正常工作状态，包括外部短路或过负荷引起的过电流、油箱漏油造成的油面降低、变压器中性点电压升高、电源电压过高或频率降低引起的过励磁；所述电力变压器性能信息主要涉及到额定容量、额定电压及其分接、额定频率、绕组联结组以及额定性能数据。

技术总结
本发明涉及数字孪生技术和电力变压器管理领域，具体涉及融合数据与机理模型的变压器数字孪生全周期管理方法，具体步骤为：S1、对电力变压器进行特性分析；S2、采集电力变压器的实时监测数据；S3、构建由数据模型与机理模型两种异质模态相融合的数字孪生模型；S4、通过数字孪生模型对电力变压器进行优化设计；S5、将优化设计的关键要素输入到数字孪生模型中进行仿真验证；S6、将实时监测的数据输入到上述数字孪生模型中，进行实时性能预测；S7、根据预测结果，采取运维措施；S8、更新和优化模型；S9、通过数字孪生技术进行全周期管理。本发明通过数字孪生技术实现了对电力变压器全周期管理的支持，可以有效地提高电力变压器的可靠性。

技术研发人员：孙强,张孝金,蒋硕文
受保护的技术使用者：江苏华辰变压器股份有限公司
技术研发日：
技术公布日：2024/1/14