[发明专利]确定高压盆式绝缘子结构参数的计算机装置、设备及方法

说明书

本发明实施例公开了一种确定高压盆式绝缘子结构参数的计算机装置、方法、设备及计算机可读存储介质。计算机装置包括获取盆式绝缘子本体材料性能参数，得到性能参数间非线性关系的性能参数采集模块；利用基于有限元法和性能参数间非线性关系构建的电‑热‑机性能耦合计算模型得到盆式绝缘子的电场分布、温度分布及应力分布的电‑热‑机性能耦合计算模块；利用三维有限元模型在电场、温度场和应力场进行解耦计算的多物理场解耦计算模块；分别在电场、温度场和应力场对三维有限元模型进行模拟运算的仿真模拟模块，利用深度学习网络模型对仿真模拟结果进行非线性反演得到最优结构参数的结构参数确定模块。本申请可有效指导高压盆式绝缘子的结构设计。

技术领域

本发明实施例涉及高压盆式绝缘子生产技术领域，特别是涉及一种确定高压盆式绝缘子结构参数的计算机装置、方法、设备及计算机可读存储介质。

背景技术

高压盆式绝缘子一般由绝缘件和金属附件用胶合剂胶合或机械卡装而成，绝缘件一般由环氧树脂添加一定材料组成的绝缘结构，金属附件例如可为钢脚、铁帽、法兰等。盆式绝缘子通常作为如GIS/GIL等特高压电力开关设备的关键部件，不仅可保证设备中心导体与管道法兰间电气绝缘，还同时具有机械支撑作用，其性能优劣直接决定开关设备的绝缘性能及运行可靠。

随着电力系统运行电压、运行可靠性要求的不断提高，用户对高压盆式绝缘子的耐压耐热水平、力学性能、使用寿命等要求也越来越高。相关技术对于针对GIS/GIL实际应用场合研制的盆式绝缘子样机，在型式试验中会开展工频耐压试验、温升试验和水压试验，分别对应盆子电场、温度和应力分布模拟，以得到满足要求的高压盆式绝缘子。

然而，开展型式试验不仅耗费大量人力和物力，且工频耐压试验和水压试验将对盆式绝缘子造成一定破坏，导致高压盆式绝缘子的研发周期和成本均较高。

发明内容

本公开实施例提供了一种确定高压盆式绝缘子结构参数的计算机装置、方法、设备及计算机可读存储介质，克服了相关技术存在的弊端，可有效指导高压盆式绝缘子的结构设计。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种确定高压盆式绝缘子结构参数的计算机装置，包括：

性能参数采集模块，用于获取待测盆式绝缘子本体材料的性能参数，并得到各性能参数间的非线性关系，所述性能参数包括电性能参数、热性能参数及机械性能参数；

电-热-机性能耦合计算模块，用于利用预先构建电-热-机性能耦合计算模型，得到所述待测盆式绝缘子的电场分布、温度分布及应力分布；所述电-热-机性能耦合计算模型为基于有限元法和各性能参数间的非线性关系进行构建；

多物理场解耦计算模块，用于利用预先构建的盆式绝缘子三维有限元模型分别在所述电场分布、所述温度分布及所述应力分布进行解耦计算；

仿真模拟模块，用于分别在电场模拟环境、温度场模拟环境和应力场模拟环境中对所述盆式绝缘子三维有限元模型在预设位置处进行模拟运算；

结构参数确定模块，用于利用预先构建的深度学习网络模型对仿真模拟结果进行非线性反演学习，得到所述待测盆式绝缘子的结构参数。

可选的，还包括网络模型训练模块；所述网络模型训练模块包括：

模型框架构建子模块，用于构建所述深度学习网络模型结构框架，所述深度学习网络模型结构为包括设置有3个神经元的输入层、6个神经元的隐含层和4个神经元的输出层的RBF神经网络；所述RBF神经网络的输入为盆式绝缘子罩入深度、中心导体径向厚度及盆式绝缘子外径；所述RBF神经网络的输出为盆式绝缘子均压罩表面最大电场强度、盆式绝缘子表面最大电场强度、盆式绝缘子本体与中心导体表面最大温度值、盆式绝缘子本体最大应力值；

模型训练子模块，用于在所述深度学习网络模型训练过程中利用粒子群算法优化径向基中心和基带宽度。