【技术实现步骤摘要】
本专利技术涉及高电压电气仿真计算应用技术与大数据结合的，尤其是一种基于机器学习的可调宽带电路vfto模型模拟方法和系统。
技术介绍
1、gis内部会遇到开关操作过程中的特快速瞬态过程，可形成特快速瞬态过电压(vfto)，严重影响了gis的内部设备、外部连接设备以及二次设备的安全运行。当前的研究已经深入了解过关于vfto的机理和波形特征，已经发现其中频率的成分非常丰富，从极低频到几百mhz。
2、目前主要有两种方法进行模拟vfto的产生，一种是利用实际的gis隔离开关结构进行开关操作来产生vfto，但是产生的vfto波形具有随机性，其只能模拟指定的一种vfto波形，且这种方法的占地面积大成本较高；另一种方法是用搭建的vfto模拟发生器产生特快速瞬态过程，可较好的应用于实验研究和实验室测试。实验室搭建的vfto模拟发生器采用阻尼振荡的方式具有可调参数灵活，输出波形易控制，不需要整个管道带电，对绝缘要求较小的优点。
3、在多学科优化技术中，建立准确的学科分析模型是得到可靠优化结果的基础。但是，vfto模拟发生器的搭建是缺乏先验知识的，只能通过不断仿真调整结构参数，直至vfto模拟发生器产生理想的波形。随着机器学习的发展，该技术也被应用到vfto模拟发生器领域。目前虽然有限元数值模型的精度已经被工业领域广泛接受，但是其高昂的计算时间成本严重影响了多学科优化的效率，所以代理模型计算时间成本较低，对异常值和缺失值较为敏感，需要大量的训练样本。
技术实现思路
1、为了克服
2、本专利技术提出的一种基于机器学习的可调宽带电路vfto模型模拟方法，包括以下步骤：
3、s1、在仿真软件中构建vfto模拟器的等效电路模型；
4、s2、改变等效电路模型中电路元件的参数，获取不同电路参数下等效电路模型生成的vfto波形，构建用于收集学习样本的样本数据集，学习样本记作{vfto波形，该vfto波形下vfto模拟器等效电路模型中电路元件的参数}；
5、s3、构建机器学习模型，机器学习模型的输入为vfto波形，输出为vfto模拟器等效电路模型中电路元件的参数；
6、s4、结合样本数据集对机器学习模型进行训练，直至机器学习模型收敛后作为vfto模型；
7、s5、获取待实现vfto波形并输入vfto模型，获取vfto模型输出的vfto模拟器等效电路模型中电路元件的参数，作为待实现vfto波形对应的vfto模拟器的结构参数。
8、优选的，vfto模拟器的等效电路模型包括：源侧电容c1、源侧电感l1和源侧负载r1、负载侧电容c2、负载侧电感l2、负载侧负载r2、传输线tl、开关k和两个二端口网络；源侧电容c1、源侧电感l1和源侧负载r1串联形成第一支路，开关k串联在第一支路上；负载侧电容c2、负载侧电感l2和负载侧负载r2串联形成第二支路；第一支路的两端分别连接第一个二端口网络的两个输入端，第二支路的两端分别连接第二个二端口网络的两个输出端；第一个二端口网络的输出端通过传输线tl连接第二个二端口网络的输入端；两个二端口网络和传输线tl构成s参数模型。
9、优选的，二端口网络的两个输入端分别为高平输入端和低平输入端；二端口网络还设有两个输出端，即高电平输出端和低电平输出端；第一个二端口网络的高平输出端通过传输线tl连接第二个二端口网络的高平输入端，第一个二端口网络的低平输出端通过传输线tl连接第二个二端口网络的低平输入端等电位连接。
10、优选的，vfto模拟器的等效电路模型中，负载侧电压u2的频域值记作u2(ω)的计算公式如下：
11、
12、
13、
14、
15、
16、其中，γs为源侧的反射系数，γl为负载侧的反射系数，j为复数单位；β为传输线tl的相位常数；l为传输线tl的长度；zc为传输线tl的特征阻抗，zs为源侧阻抗；l'为每单位长度传输线tl的电感，c'为每单位长度传输线tl的电容；单位长度为1m；ω为频域变换中自变量的频率，取值范围为(0,100mhz]；u1(ω)为源侧电压u1的频域值。
17、优选的，s1中，vfto波形采用前m个波峰的频率、峰值和波峰宽度进行描述。
18、优选的，波峰宽度采用1/2波峰处的宽度，或者波峰处的宽度。
19、优选的，s3中的机器学习模型采用神经网络模型或者树形决策模型。
20、优选的，s3中的机器学习模型采用xgboost模型。
21、本专利技术提出的一种vfto模拟系统，其特征在于，包括存储器和处理器，存储器中存储有计算机程序，处理器连接存储器，处理器用于执行所述计算机程序，以实现所述的基于机器学习的可调宽带电路vfto模型模拟方法。
22、本专利技术的优点在于：
23、(1)本专利技术提出的基于机器学习的可调宽带电路vfto模型模拟方法，基于仿真数据，通过实测的vfto波形预测vfto模拟器等效电路的元器件参数，建立模拟器生成波形过程的逆过程；本专利技术通过各种不同的实测vfto波形，获取灵活动态快速调整的等效电路元件参数，借助数学仿真软件生成大量电路元件与波形频率特征的样本作为数据集；利用建立的数据集构建了模拟器电路元件参数与频率相关特性之间的参数训练与参数学习，将所得数据集预处理后，输入至机器学习模型中进行训练生成vfto模型。然后通过vfto模型预测待实现vfto波形对应的电路元件参数，大大缩短了vfto波形调试时间，提高了vfto模拟效率。
24、(2)基于高压脉冲发生器和gis管线的vfto模拟器的设计，构建了可在实验室中产生接近真实的vfto波形的等效电路。该等效电路引入描述网络电气特性的s参数，将宽带电路模型建立在频域上，产生的波形特征可以通过电路参数进行调整，并且通过改变电路元件参数克服对相关频率的影响；从而克服了vfto波形因为富含多个频段的高频特性，在高频激励的作用下由于电阻等元件表现射频特性造成的散射现象。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的可调宽带电路VFTO模型模拟方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于机器学习的可调宽带电路VFTO模型模拟方法，其特征在于，VFTO模拟器的等效电路模型包括：源侧电容C1、源侧电感L1和源侧负载R1、负载侧电容C2、负载侧电感L2、负载侧负载R2、传输线TL、开关K和两个二端口网络；源侧电容C1、源侧电感L1和源侧负载R1串联形成第一支路，开关K串联在第一支路上；负载侧电容C2、负载侧电感L2和负载侧负载R2串联形成第二支路；第一支路的两端分别连接第一个二端口网络的两个输入端，第二支路的两端分别连接第二个二端口网络的两个输出端；第一个二端口网络的输出端通过传输线TL连接第二个二端口网络的输入端；两个二端口网络和传输线TL构成S参数模型。
3.如权利要求2所述的基于机器学习的可调宽带电路VFTO模型模拟方法，其特征在于，二端口网络的两个输入端分别为高平输入端和低平输入端；二端口网络还设有两个输出端，即高电平输出端和低电平输出端；第一个二端口网络的高平输出端通过传输线TL连接第二个二端口网络的高平输入端，第一个二端口网
4.如权利要求3所述的基于机器学习的可调宽带电路VFTO模型模拟方法，其特征在于，VFTO模拟器的等效电路模型中，负载侧电压U2的频域值记作U2(ω)的计算公式如下：
5.如权利要求1所述的基于机器学习的可调宽带电路VFTO模型模拟方法，其特征在于，S1中，VFTO波形采用前M个波峰的频率、峰值和波峰宽度进行描述。
6.如权利要求5所述的基于机器学习的可调宽带电路VFTO模型模拟方法，其特征在于，波峰宽度采用1/2波峰处的宽度，或者波峰处的宽度。
7.如权利要求1所述的基于机器学习的可调宽带电路VFTO模型模拟方法，其特征在于，S3中的机器学习模型采用神经网络模型或者树形决策模型。
8.如权利要求1所述的基于机器学习的可调宽带电路VFTO模型模拟方法，其特征在于，S3中的机器学习模型采用XGBoost模型。
9.一种采用如权利要求1-8任一项所述的基于机器学习的可调宽带电路VFTO模型模拟方法的VFTO模拟系统，其特征在于，包括存储器和处理器，存储器中存储有计算机程序，处理器连接存储器，处理器用于执行所述计算机程序，以实现如权利要求1-8任一项所述的基于机器学习的可调宽带电路VFTO模型模拟方法。
...【技术特征摘要】
1.一种基于机器学习的可调宽带电路vfto模型模拟方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于机器学习的可调宽带电路vfto模型模拟方法，其特征在于，vfto模拟器的等效电路模型包括：源侧电容c1、源侧电感l1和源侧负载r1、负载侧电容c2、负载侧电感l2、负载侧负载r2、传输线tl、开关k和两个二端口网络；源侧电容c1、源侧电感l1和源侧负载r1串联形成第一支路，开关k串联在第一支路上；负载侧电容c2、负载侧电感l2和负载侧负载r2串联形成第二支路；第一支路的两端分别连接第一个二端口网络的两个输入端，第二支路的两端分别连接第二个二端口网络的两个输出端；第一个二端口网络的输出端通过传输线tl连接第二个二端口网络的输入端；两个二端口网络和传输线tl构成s参数模型。
3.如权利要求2所述的基于机器学习的可调宽带电路vfto模型模拟方法，其特征在于，二端口网络的两个输入端分别为高平输入端和低平输入端；二端口网络还设有两个输出端，即高电平输出端和低电平输出端；第一个二端口网络的高平输出端通过传输线tl连接第二个二端口网络的高平输入端，第一个二端口网络的低平输出端通过传输线tl连接第二个二端口网络的低平输入端等电位连接。
<...【专利技术属性】
技术研发人员：李科杰，李龙龙，向念文，吕增威，王冬伟，孙典，崔宁波，王鹏，冯宇佳，李希媛，
申请(专利权)人：合肥工业大学，
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。