本发明涉及三相变压器电磁场仿真,具体涉及一种基于nu-unet的变压器三维电磁仿真方法及应用。
背景技术:
1、在电磁场仿真分析领域,针对三相变压器的三维电磁场的仿真,现有技术主要依赖是于传统的数值仿真计算。这些方法通常包括有限元法(fem)、有限差分法(fdm)和有限体积法(fvm)等数值计算技术。
2、现有技术的三相变压器三维电磁场仿真方法主要包括以下四个步骤:
3、建立三相变压器的三维几何模型并进行网格划分:对变压器的三维结构进行几何建模。然后,通过网格划分技术将几何模型划分成若干个小单元(如四面体单元、六面体单元等),以用来进行数值计算。
4、设置物理参数和边界条件:在建立几何模型之后,需要为每个小单元设置物理参数(如材料的电导率、磁导率等)和边界条件(如电压、电流、磁场强度等)。
5、求解控制方程:根据电磁场理论,建立麦克斯韦方程组,并结合材料的特性和边界条件,将方程组离散化,形成一组代数方程。通过数值求解方法(如矩阵分解法、迭代法等)求解这些代数方程,得到电磁场的分布。
6、后处理和结果分析:对求解得到的电磁场分布进行后处理,主要是对于磁场分布的可视化和分析。
7、现有技术存在的缺点:
8、计算成本高:精细的网格划分和复杂的数值求解过程导致计算成本高昂,并且每次仿真都需要从头开始进行这些计算,尤其在处理大规模三维问题时,计算成本尤为显著。
9、求解时间长:由于电磁场仿真的复杂性和高计算量,求解时间通常较长,难以满足电力设备数字孪生中实时仿真的要求。
10、网格依赖性强:仿真结果对网格的质量和分布依赖性强,不同的网格划分可能导致不同的仿真结果,增加了结果的不确定性。
11、针对上述问题,本发明提出一种基于nu-unet的变压器三维电磁仿真方法,用于高效仿真三维变压器的电磁场分布。通过将深度学习技术与传统数值仿真方法结合,本专利旨在解决现有技术中计算成本高、求解时间长和网格依赖性强等问题。
技术实现思路
1、本发明的目的在于提供一种基于nu-unet的变压器三维电磁仿真方法及应用,使用nu-unet模型,使用k-d树算法进行区域分解,然后在不同的子域上自适应地使用不同大小的网格进行插值,再将插值的子域网格用于训练底层的基于网格的模型,即通过卷积神经网络提取输入的网格数据特征,不依赖于特定的网格划分,能够快速、高效地进行电磁场分布预测。
2、本发明通过创新地结合kd树空间划分和u-net神经网络算法处理变压器三维电磁场仿真,本方法能够有效地实现对变压器电磁场的精确仿真,为电力装备系统快速仿真提供重要支持。
3、为实现上述技术目的,达到上述技术效果,本发明是通过以下技术方案实现:
4、一种基于nu-unet的变压器三维电磁仿真方法,包括以下步骤:
5、s1、使用comsol建立三相变压器模型;
6、s2、三维电磁场仿真数据获取及预处理;
7、s3、nu-unet模型搭建和训练;
8、s4、模型预测结果反处理与分析。
9、进一步的,所述步骤s1具体包括:利用comsolmultiphysics软件中的变压器案例建立电磁场仿真模型;利用了对称简化计算,将变压器模型删减到四分之一,由于模型左右物理场不同,特别是对于线圈而言,相位差相差了120度,故在对称简化时采取的是上下、前后对称简化。该模型采用瞬态分析方法,考虑了变压器中的多匝线圈域和磁芯的非线性b-h曲线特性。将变压器分割为1528个网格单元,并使用有限元方法求解每个单元的方程组,最终得到整个系统的方程组。
10、进一步的,所述步骤s2具体包括以下子步骤:
11、s2.1、数据加载和预处理:加载变压器点云数据和物理量(仿真时间及次级电阻)。将点云数据输入kd-tree算法,按照数据的空间分布递归地进行二分,直到达到预设的子域数量;
12、s2.2、子域数据处理:对于每个子域,获取其边界框和包含的点的索引。计算其三维空间的长宽高,根据子域中的点数和空间尺度,计算其适当的均匀网格大小和形状,以便能够有效地覆盖整个子域内的数据。并记录最大网格形状,确保该形状为所有子域中每个维度(x,y,z)的最大值;
13、s2.3、插值到均匀网格:使用线性插值和最近邻插值器,将点云数据中的仿真时间和次级电阻插值到均匀网格中。每个子域内部的插值结果都被映射到一个与其数据特征尺寸相匹配的均匀网格上。这个过程保证了每个子域内部数据的规整性和一致性;
14、s2.4、准备输入u-net算子模型:对每个子域的插值结果进行形状调整,将所有子域都映射到大小统一为最大网格形状的三维网格上,以便能够输入到同一个模型中进行处理。对于塑性后的数据确少的部分,可使用原有数据第0个数据点的值进行填充。u-net的输入是通过插值后的规则网格数据,每个子域包含(仿真时间,次级电阻)两个输入通道。其输入尺寸为:通道数×子域个数×每个维度的最大值;
15、s2.5、训练和评估u-net模型:模型以插值后的规则网格数据(仿真时间,次级电阻)作为输入,预测目标变量电磁场值;
16、s2.6、插值和反插值:使用插值方法将神经算子模型输出的网格数据反向插值到原始点云数据的网格上,得到最终的预测场分布。
17、进一步的,所述步骤s3包括:构建u-net模型,包括4个3d卷积层和4个3d反卷积层,通过跳跃连接保留特征信息;采用瞬态分析方法,考虑了变压器中的多匝线圈域和磁芯的非线性b-h曲线特性。将变压器分割为1528个网格单元,并使用有限元方法求解每个单元的方程组,最终得到整个系统的方程组。
18、模型的训练采用adam优化器,学习率为0.001,权重衰减为10-4,并结合reducelronplateau学习率调度器进行训练。模型的损失函数包括两部分:第一部分是网络输出与真实子域网格之间的偏差,第二部分是正则化项,即网络输出与真实点云之间的插值误差。正则化项的权重为5×10-3。训练数据集包含6000组数据,测试数据集包含600组数据,用于评估模型的准确性。
19、进一步的,所述步骤s4具体包括:经过模型训练后,将测试数据集中的变压器二次负载电阻和仿真时间、三维点云输入到训练好的模型中,即可得到电磁场的仿真结果。再采用k折交叉验证法进行精度评估后所筛选出的最优模型。最后,对仿真结果进行反处理操作,将模型输出的电磁场数据进行插值处理,以恢复到原始comsol仿真生成的1528个网格单元上。在插值完成后进行均值平滑操作,确定该网格单元周围的相邻单元格,计算相邻单元格的数据均值,并将该均值作为当前网格单元的值,即可获得变压器磁场的最终仿真结果。
20、另一方面,本发明提出上述方法在三相变压器的三维电磁场的仿真中的应用。
21、本发明的有益效果:
22、传统的数值仿真方法依赖于细致的网格划分和复杂的数值求解过程,计算成本高昂。通过使用nu-unet模型,本发明能够在较少的计算资源投入下,快速高效地完成电磁场仿真。在预处理中本发明使用kd树算法对数据进行子域划分,并通过线性插值和最近邻插值方法将点云数据插值到规则网格上,生成用于模型训练和测试的数据集。此过程减少了对高精度网格划分的依赖,从而降低了计算成本。nu-unet模型通过卷积神经网络提取输入网格数据特征,不依赖于特定的网格划分。这样,仿真过程不需要每次从头开始进行高计算量的网格划分和数值求解,进一步降低了计算成本。
23、传统的数值仿真方法由于其复杂性和高计算量,导致求解时间较长,难以满足电力设备数字孪生中实时仿真的要求。通过本发明的方法,可以大幅缩短求解时间,本发明的nu-unet模型在训练完成后,可以快速进行电磁场分布的预测。由于深度学习模型的推理过程相对固定,求解时间仅取决于输入数据的处理和模型的推理速度,通常比传统的数值仿真方法更快。在模型训练过程中使用adam优化器和reducelronplateau调度器,结合lploss和mseloss损失函数,对模型进行优化,有效加速了模型的收敛,提高了训练效率。
24、传统数值仿真方法对网格的质量和分布依赖性强,不同的网格划分可能导致不同的仿真结果,增加了结果的不确定性。基于nu-unet的仿真方法能够减弱这种依赖性,通过kd树算法对点云数据进行区域分解,确保每个子域内的数据分布均匀,并经过归一化处理以适应网络输入。此方法能够减少对特定网格划分的依赖,提升仿真结果的稳定性和一致性。nu-unet模型通过多层3d卷积和反卷积网络结构,结合跳跃连接保留特征信息,能够在不同网格划分下提取稳定的电磁场特征,减少了仿真结果对网格质量的依赖。
25、在验证模型的精度和效率方面,本发明提出的方法通过与传统数值仿真结果进行对比,证明了其在精度和效率上的优越性;模型输出的电磁场分布经过逆标准化过程还原到实际坐标系中,得到最终的仿真结果。通过与传统数值仿真方法的结果对比,验证了模型在不同仿真场景下的精度;通过多次实验对比,证明了基于nu-unet的方法在同等精度下能够大幅提升仿真效率,满足了电力设备数字孪生中的实时仿真需求。
26、当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
1.一种基于nu-unet的变压器三维电磁仿真方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于nu-unet的变压器三维电磁仿真方法,其特征在于:所述步骤s1具体包括:
3.如权利要求1所述的基于nu-unet的变压器三维电磁仿真方法,其特征在于:所述步骤s2具体包括以下子步骤:
4.如权利要求1所述的基于nu-unet的变压器三维电磁仿真方法,其特征在于:所述步骤s3具体包括:
5.如权利要求1所述的基于nu-unet的变压器三维电磁仿真方法,其特征在于:所述步骤s4具体包括:
6.如权利要求1-5任一项所述方法在三相变压器的三维电磁场的仿真中的应用。