一种基于深度学习的电力设备物理场重建方法

    公开(公告)号:CN117973195A

    公开(公告)日:2024-05-03

    申请号:CN202410108015.3

    申请日:2024-01-25

    Abstract: 本发明实施例公开了一种基于深度学习的电力设备物理场重建方法,该方法包括:获取电力设备的物理场数据,以及所述物理场数据所对应的电力设备的基本参数;将所述物理场数据划分为训练数据集和测试数据集;对所述训练数据集进行预处理,得到特征向量及对应的特征值;将所述训练数据集对应的所述采样点物理场量作为输入信息、将所述电力设备整个物理场量作为输出信息,对深度学习模型进行训练,并进行K交叉验证;将所述测试数据集对应的所述电力设备的基本参数输入到所述深度学习模型,获得测试结果;对所述测试结果进行反处理操作,得到所述电力设备的物理场仿真结果,可以实现快速的电力设备物理场仿真,能够达到对物理场数据实时预测的目的。

    变压器物理场仿真方法、设备和计算机可读存储介质

    公开(公告)号:CN116842817A

    公开(公告)日:2023-10-03

    申请号:CN202310564777.X

    申请日:2023-05-18

    Abstract: 本申请实施例公开了一种变压器物理场仿真方法、计算机设备和计算机可读存储介质。其中,方法包括如下步骤:获取变压器的工况信息,根据工况信息生成数据集,数据集包括训练数据集和测试数据集;对训练数据集进行预处理得到特征值;根据预设的回归算法集构建多个第一预测模型;将训练数据集对应的工况信息作为输入信息、将特征值作为输出信息,对多个第一预测模型进行训练,以得到第二预测模型,第二预测模型为第一预测模型中预测准确度最高的模型;将测试数据集对应的工况信息输入第二预测模型中,以预测得到物理场信息。因此,本申请能够根据变压器的工况信息确定当前最适宜的预测模型进行预测,使得预测结果更加准确、迅速、具备针对性。

    关系模型的构建方法、分析方法、介质和设备

    公开(公告)号:CN116611334A

    公开(公告)日:2023-08-18

    申请号:CN202310587718.4

    申请日:2023-05-23

    Abstract: 本发明公开了一种关系模型的构建方法、分析方法、介质和设备,根据预设的网格疏密程度,将变压器模型的漏磁增压数据分割为网格数据集,并获取目标子网格数据集所对应的变压器基本参数。其次,基于目标子网格数据集的变压器基本参数,预测变压器模型的目标预测磁场。然后,计算目标预测磁场与有限元分析方法预测得到的基准预测磁场之间的误差,以评估目标预测磁场的预测精度。接下来,以预测精度和不同子网格数据集的数据集数量为参数,在预设的基准模型基础上构建关系模型。该关系模型可以指示数据集数量与预测精度之间的关系,在给定预测精度的情况下,使用该关系模型可以确定所需的数据集数量,有效地避免数据集数量不足的情况发生。

Patent Agency Ranking