【技术实现步骤摘要】
本专利技术属于深度学习以及电磁场分布建模，特别涉及一种基于机理数据融合的电磁场建模方法、系统、设备及介质。
技术介绍
1、变压器的可靠运行，是电网安全稳定的基础；其运行经验表明，依靠现有在线监测、带电检测、预防性试验等手段的设备状态评估技术，仅能够对部分已经出现的问题进行推演，但不能完全推断设备内部状态演变。在变压器内部，电磁场分布至关重要，会对设备内温度分布以及结构力分布产生重要影响，及时掌握变压器内部电磁状态的演变机理，提高其数字化程度，实现电网核心设备变压器数字化、智能化运维，是当前电网安全运行迫切需要解决的关键问题。
2、对于变压器电磁场分布情况的建模，常用的传统方式是数值计算方法，如有限元法、有限差分法、有限体积法等，上述传统方式的方法是通过数值方法对偏微分方程近似求解，会耗费大量时间，难以满足及时掌握电磁场分布状况的要求。
3、近些年来，随着人工智能的兴起，也有些人采用深度学习方法对电磁场进行建模；其中，基于深度学习构建数值计算或实验的替代模型，可以有效提升建模的效率，缩短建模所需的时间。然而，现有基...
【技术保护点】
1.一种基于机理数据融合的电磁场建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机理数据融合的电磁场建模方法，其特征在于，所述物理约束神经网络模型采用多层全连接神经网络，包括输入层、多个隐层以及输出层；其中，所述输入层用于输入位置坐标和时刻，所述输出层用于输出矢量磁位矩阵预测值。
3.根据权利要求1所述的一种基于机理数据融合的电磁场建模方法，其特征在于，所述训练好的物理约束神经网络模型的训练步骤包括：
4.根据权利要求1所述的一种基于机理数据融合的电磁场建模方法，其特征在于，所述物理约束损失函数MSE表达式为，
5.一...
【技术特征摘要】
1.一种基于机理数据融合的电磁场建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机理数据融合的电磁场建模方法，其特征在于，所述物理约束神经网络模型采用多层全连接神经网络，包括输入层、多个隐层以及输出层；其中，所述输入层用于输入位置坐标和时刻，所述输出层用于输出矢量磁位矩阵预测值。
3.根据权利要求1所述的一种基于机理数据融合的电磁场建模方法，其特征在于，所述训练好的物理约束神经网络模型的训练步骤包括：
4.根据权利要求1所述的一种基于机理数据融合的电磁场建模方法，其特征在于，所述物理约束损失函数mse表达式为，
5.一种基于机理数据融合的电磁场建模系统，其特征在于，包括：
6.根据权利要求5所述的一种基于机理数据融合的电磁场建模系...
【专利技术属性】
技术研发人员：仝杰，黄灿，唐鹏飞，张中浩，龙天航，李松原，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。