基于有限元仿真的预测模型建立方法、装置及存储介质与流程

本发明涉及变压器仿真，尤其涉及一种基于有限元仿真的预测模型建立方法、装置及存储介质。

背景技术：

1、在电力系统运行中，变压器和隔离开关是关键的电力设备，它们在保障电力系统安全稳定运行方面起着重要作用。然而，在故障工况下，变压器和隔离开关的空间物理量与正常工况下存在显著的差异，这可能对电力系统的运行产生重要影响。绝缘材料性能不佳、散热不良、变压器过载等原因均可能导致匝间短路故障的发生，绕组匝间短路故障是发生最频繁的故障之一。变压器匝间短路使绕组端部电流增大，绕组中产生巨大的短路力，使绕组绝缘及结构件受损，甚至引起绕组松散、扭转、变形、折断，严重时导致绕组烧毁。变压器匝间短路故障的主要原因包括操作不当、绝缘老化以及导线连通等。同时，绕组加压整形时线圈的绝缘损坏、绕组的局部放电导致绕组之间的线饼短接以及过载操作使绕组接头松动等，都是造成绕组短路的原因。

2、实际工程中获得的变压器故障工况相关数据较少，不足以支撑精细化电力装备多物理场仿真要求，无法准确通过模型预测变压器发生故障后的物理特性。

技术实现思路

1、本发明的主要目的在于提供一种基于有限元仿真的预测模型建立方法。

2、为实现上述目的，本申请第一方面提供一种基于有限元仿真的预测模型建立方法，所述方法包括：

3、基于有限元仿真软件，搭建变压器非线性仿真模型；

4、使用所述变压器非线性仿真模型对不同物理参数下的变压器非线性物理特征、故障奇异点与绕组形变进行仿真，获得变压器非线性故障仿真数据；

5、对所述变压器非线性故障仿真数据进行处理，获得处理后的特征值数据；

6、将所述处理后的特征值数据划分为训练集和测试集；

7、利用所述训练集训练bp神经网络模型，获得预测模型；

8、将所述训练集的预测结果与所述测试集比较，计算所述预测模型的准确率，根据所述准确率调整所述预测模型的网络结构或数据预处理方法。

9、可选地，所述使用所述变压器非线性仿真模型对不同物理参数下的变压器非线性物理特征、故障奇异点与绕组形变进行仿真，获得变压器非线性故障仿真数据，包括：

10、按照预设搜索步长扫描工频电压幅值、电源合闸角和直流偏置量，获得变压器非线性特征仿真数据；

11、通过短路实验获得故障导致物理量奇异点的仿真数据；

12、搭建单相变压器在不同的绕组变形工况下的仿真模型，获得变压器绕组形变与物理场量的演变规律仿真数据。

13、可选地，所述对所述变压器非线性故障仿真数据进行处理，获得处理后的特征值数据，包括：

14、将所述变压器非线性特征仿真数据、所述故障导致物理量奇异点的仿真数据、所述变压器绕组形变与物理场量的演变规律仿真数据进行标准化和/或归一化处理，删除重复值和奇异值，使用插值法填充缺失值，用时域与频域相结合的方法提取特征值，获得所述处理后的特征值数据。

15、可选地，在利用所述训练集训练bp神经网络模型，获得训练好的预测模型之前，所述方法还包括：

16、搭建含有多个隐含层的所述bp神经网络模型，采用均方误差作为所述bp神经网络模型的损失函数，设置所述bp神经网络模型的学习率与学习衰减速率；

17、所述利用所述训练集训练bp神经网络模型，获得训练好的预测模型，包括：

18、利用所述训练集，使用梯度下降法，更新所述bp神经网络模型中的权重和偏置，重复进行前向传播、损失计算、反向传播和权重更新的训练过程，直到所述损失函数收敛或所述bp神经网络模型的迭代次数达到预设次数。

19、可选地，所述基于有限元仿真软件，搭建变压器非线性仿真模型，包括：

20、基于所述有限元仿真软件，结合电磁场物理特性与铁心、铜导线材料特性，搭建三相变压器非线性仿真模型。

21、可选地，所述将所述处理后的特征值数据划分为训练集和测试集，包括：

22、按照预设时间窗口长度，将所述处理后的特征值数据按时间顺序划分为所述训练集和所述测试集。

23、可选地，在利用所述训练集训练bp神经网络模型，获得预测模型之后，所述方法还包括：

24、采用所述预测模型对变压器发生故障后的物理特性进行预测，获得预测结果。

25、本申请第二方面提供一种基于有限元仿真的预测模型建立装置，包括：

26、模型搭建模块，用于基于有限元仿真软件，搭建变压器非线性仿真模型；

27、仿真模块，用于使用所述变压器非线性仿真模型对不同物理参数下的变压器非线性物理特征、故障奇异点与绕组形变进行仿真，获得变压器非线性故障仿真数据；

28、数据处理模块，用于对所述变压器非线性故障仿真数据进行处理，获得处理后的特征值数据；

29、数据划分模块，用于将所述处理后的特征值数据划分为训练集和测试集；

30、训练模块，用于利用所述训练集训练bp神经网络模型，获得预测模型；

31、评估模块，用于将所述训练集的预测结果与所述测试集比较，计算所述预测模型的准确率，根据所述准确率调整所述预测模型的网络结构或数据预处理方法。

32、本申请第三方面提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面及其任一种可能的实现方式的步骤。

33、本申请第四方面提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如第一方面所述的方法中的各个步骤。

34、本申请提供一种基于有限元仿真的预测模型建立方法，通过基于有限元仿真软件，搭建变压器非线性仿真模型；使用所述变压器非线性仿真模型对不同物理参数下的变压器非线性物理特征、故障奇异点与绕组形变进行仿真，获得变压器非线性故障仿真数据；对所述变压器非线性故障仿真数据进行处理，获得处理后的特征值数据；将所述处理后的特征值数据划分为训练集和测试集；利用所述训练集训练bp神经网络模型，获得预测模型；将所述训练集的预测结果与所述测试集比较，计算所述预测模型的准确率，根据所述准确率调整所述预测模型的网络结构或数据预处理方法，可以采用有限元算法建立精确的变压器仿真模型，通过参数扫描分析不同情况下的变压器非线性物理特征、不同物理量奇异点的时空分布特性、形变与物理场的演变规律，获得变压器非线性故障仿真数据，训练bp神经网络，对变压器发生故障后的物理特性进行较准确的预测。

技术特征：

1.一种基于有限元仿真的预测模型建立方法，其特征在于，所述方法包括：

2.根据权利要求1所述基于有限元仿真的预测模型建立方法，其特征在于，所述使用所述变压器非线性仿真模型对不同物理参数下的变压器非线性物理特征、故障奇异点与绕组形变进行仿真，获得变压器非线性故障仿真数据，包括：

3.根据权利要求2所述基于有限元仿真的预测模型建立方法，其特征在于，所述对所述变压器非线性故障仿真数据进行处理，获得处理后的特征值数据，包括：

4.根据权利要求1所述基于有限元仿真的预测模型建立方法，其特征在于，在利用所述训练集训练bp神经网络模型，获得训练好的预测模型之前，所述方法还包括：

5.根据权利要求1所述基于有限元仿真的预测模型建立方法，其特征在于，所述基于有限元仿真软件，搭建变压器非线性仿真模型，包括：

6.根据权利要求1所述基于有限元仿真的预测模型建立方法，其特征在于，所述将所述处理后的特征值数据划分为训练集和测试集，包括：

7.根据权利要求1-6任一项所述基于有限元仿真的预测模型建立方法，其特征在于，在利用所述训练集训练bp神经网络模型，获得预测模型之后，所述方法还包括：

8.一种基于有限元仿真的预测模型建立装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-7中任一项所述方法的步骤。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-7中任一项所述方法的步骤。

技术总结
本发明实施例公开了一种基于有限元仿真的预测模型建立方法、装置及存储介质，其中方法包括：基于有限元仿真软件，搭建变压器非线性仿真模型；使用所述变压器非线性仿真模型对不同物理参数下的变压器非线性物理特征、故障奇异点与绕组形变进行仿真，获得变压器非线性故障仿真数据；对所述变压器非线性故障仿真数据进行处理，获得处理后的特征值数据；将所述处理后的特征值数据划分为训练集和测试集；利用所述训练集训练BP神经网络模型，获得预测模型；将所述训练集的预测结果与所述测试集比较，计算所述预测模型的准确率，根据所述准确率调整所述预测模型的网络结构或数据预处理方法。

技术研发人员：彭庆军,邹德旭,钱国超,王山,周兴梅,洪志湖,朱龙昌
受保护的技术使用者：云南电网有限责任公司电力科学研究院
技术研发日：
技术公布日：2024/6/23