一种开关电弧模型的快速仿真方法技术

本发明专利技术公开了电弧仿真技术领域的一种开关电弧模型的快速仿真方法，包括：先建立电弧模型，给定训练任务集和任务目标集；构造对应的基于元初始化的深度神经网络框架，构造损失函数，构造基于元初始化的元网络，构造损失函数，选取适当的神经网络的参数；对电弧模型进行训练，训练完成后得到权重；将权重设置为网络的初始参数，进行目标任务的训练，从而实现基于元初始化的等离子体方程数值计算，得到神经网络的输出，即对应电弧模型的仿真结果。本发明专利技术能够在同种开关电弧模型但参数变化的情况下，更快速地进行模型仿真；对比于传统方法，本发明专利技术的仿真方法不依赖网格剖分，可以直接进行模型地仿真，精度更高。精度更高。精度更高。

【技术实现步骤摘要】
一种开关电弧模型的快速仿真方法


[0001]本专利技术属于电弧仿真
，具体涉及一种开关电弧模型的快速仿真方法。

技术介绍

[0002]电弧是电力系统中一种较为常见的气体放电现象。作为一种高温高导电率的放电等离子体，电弧放电时能够产生上万摄氏度及以上的高温，同时还会产生大量的热辐射，具有能量大、高温高导电、质量小等特征。利用电弧的这些特征可以将其适当地应用到日常生活和工业生产中。但是由于电弧是一种能量巨大的气体，为了电力系统的安全防护，精确了解电弧的特性及其发展过程至关重要。
[0003]数值模拟是研究电弧特性的常用方法，包括有限差分、有限元、有限体积法。但是这类传统方法都有一定的缺陷，其结果依赖网格划分，在求解高维问题中可能会有精度不准确的问题，同时其在瞬态电弧的求解中需要大量迭代，计算较慢。而深度神经网络作为一种强大的非线性映射工具，作为一种新型方法在电弧仿真方面已有良好表现。
[0004]然而基于深度学习的神经网络虽然在求解单个电弧模型上效果较好，但是在面对同种模型的不同求解工况时，神经网络往往需要重新训练网络权重，计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种开关电弧模型的快速仿真方法，其特征在于，包括：步骤1、先建立电弧模型，给定训练任务集和任务目标集；步骤2、然后基于步骤1的电弧模型构造对应的基于元初始化的深度神经网络框架，构造损失函数，根据等离子体方程构造基于元初始化的元网络，以等式和相应的边界条件、初始条件为基础构造损失函数，选取适当的神经网络的参数；步骤3、接着对步骤2中构建完成的电弧模型进行训练，直至损失函数值下降到给定阈值，训练完成后得到权重；步骤4、最后将步骤3的权重设置为网络的初始参数，进行目标任务的训练，直至损失函数值下降到给定阈值，从而实现基于元初始化的等离子体方程数值计算，得到神经网络的输出，即对应电弧模型的仿真结果。2.根据权利要求1所述的一种开关电弧模型的快速仿真方法，其特征在于，所述步骤1中需要先建立等离子体方程模型，然后将对应的等离子体方程模型改写成如下一般公式：u+N[u(x,t)；λ]＝0,X∈Ω边界条件为：初始条件为：u
i
+N[u(x,t)；λ]＝β式中，X(x,t)是输入量，x是空间量，t是时间量，u是方程的解，具体含义取决于对应多物理场方程的类型，λ是方程中的可变参数，N[
·
；λ]是被λ参数化的非线性算子，是对应的边界值，β是对应的初始值；给定训练任务集λ
test
＝[λ1,λ2,...,λ
m
]，该任务集的每个参数构造一个对应的等离子体方程，给定任务目标集λ
task
＝[λ1,λ2,...,λ
n
]，该任务集的每个参数对应一个需要计算的等离子体方程。3.根据权利要求1所述的一种开关电弧模型的快速仿真方法，其特征在于，所述步骤2中神经网络类型包括前馈神经网络、卷积神经网络和循环神经网络。4.根据权利要求1所述的一种开关电弧模型的快速仿真方法，其特征在于，所述步骤2中损失函数L
k
包括三部分：根据等离子体方程构造第i个任务的损...

【专利技术属性】
技术研发人员：仲林林，吴冰钰，王逸凡，
申请(专利权)人：东南大学，
类型：发明
国别省市：