基于云计算的电工装备智能设计方法研究

The large-scale electrical equipment is the construction basis of UHV power grid in China. And the new high-performance electrical material is fundamental to the development of large-scale electrical equipment. The accurate simulation and application of the new high-performance electrical material is one important means of intelligent design to large-scale electrical equipment, which needs a large scale computing supplied by Cloud Computing. The intelligent design of electrical equipment has not yet been carried out, which is constituted by material selection, processing and manufacturing, product optimization design, due to limited collaborative application of material characteristics simulation, multiphasic field coupling analysis and high-performance computing. This project will build the calculation model library of new high-performance electrical materials, select the amorphous alloy transformer and SMC motor as instance, and decompose the intelligent design system into different using and properties of standardized interface module, which can meet the different calculation demand by selecting different modules. The high-performance computing can be carried out by Elastic Computing and Virtual Cluster of high-performance cloud. So, the key application characteristics analysis of electrical equipment can be got, and the research result of materials model can really be used to engineering practice. This project can effectively promote the popularization and application of new high performance electrical material, make our country from a big country to a power country of electrical equipment manufacturing.

我国特高压电网建设的基础是大型电工装备。而高性能电工材料是大型电工装备的研制基础，对新型高性能电工材料应用特性的精确模拟和应用是大型电工装备智能设计的重要手段，云计算又是大型计算的重要基础。受限于材料特性模拟、多物理场耦合分析与高性能计算的协同应用，使得综合考虑材料选择、加工制造和产品设计优化的电工装备智能设计方法研究尚未开展。因此本项目提出建立高性能新型电工材料应用特性计算模型库；选取非晶合金电力变压器、软磁复合材料电机作为验证实例，使用模块化方法把智能设计系统的功能分解成不同用途和性能的标准化接口模块，通过选择不同的模块，满足不同的计算需求；通过高性能云的弹性计算和虚拟集群实现所需的大型计算；实现电工装备的关键应用特性分析，使代表材料宏观特性的材料模型研究结果真正用于指导工程实际应用；有效促进新型高性能电工材料的推广应用，使我国从电工装备制造大国变成电工装备制造强国。

规模电磁有限元以及多样本计算逐渐采用云计算完成，因此云计算任务调度尤其是多目标任务调度成为一个需解决的重要问题。多目标任务调度算法优化了任务最大计算完成时间、机器总负荷和机器最大负荷3个目标。本文针对电磁有限元单样本计算不可分割的特性，提出多种群混合算法。采用多指标加权灰靶决策模型从Pareto解集当中选择最满意的云平台任务调度方案。在云平台上运行3个有限元计算案例，获得计算时间和资源消耗最优的CPU核心数和内存配置。通过测试基准和实际的案例，验证了算法的可行性和有效性，并在云平台上实现了有限元高效计算和资源的充分利用。.基于可扩展并行算法，在云平台的弹性集群中实现了亿级自由度高效并行计算。建立基于对偶原始有限元撕裂内联法(dual-primal finite element tearing and interconnecting，FETI-DP)的区域分解算法。使用OpenMpi作为消息传递库，使用C语言编写了计算程序。结合主从和对等模型，建立了可扩展并行计算方法，在降低编程复杂度的同时提高了并行计算效率。并基于国际TEAM Problem 7基准问题验证了本文的可扩展并行计算方法。.使用深度学习建立了电机参数和性能的代理模型，实现电机性能的高精度预测，有效降低了电机性能分析与优化所需时间。首先基于深层次特征提取的深度学习模型，建立永磁同步电机的5结构参数和3性能参数的非线性映射。在模型的预训练过程中，采用无监督训练和有监督微调相结合的训练方法，降低对标签数据的依赖；利用Adam算法加快神经网络的训练速度。然后使用田口法对4类深度学习模型参数进行寻优，误差分析表明深度学习方法预测模型在电机性能的多目标预测中具有很高的精度。用智能优化算法对原始有限元仿真数据和深度学习预测数据分别进行电机性能参数寻优，结果表明有限元仿真数据与深度学习预测数据寻优值基本一致，最后通过制作样机验证了永磁同步电机性能预测方法的可靠性。.