基于神经网络和多条件耦合型磁滞算子深度融合的磁滞模型研究

The electromagnetic characteristics of power transformers, electric machines and other electrical equipment cores directly affect the performance indicators of the equipment. Therefore, the magnetic properties of electrical and magnetic materials in the service conditions of the simulation study is very important. The traditional simulation method has been carried out under standard temperature and stress-free conditions, which produces a very large design calculation error.In this project, aiming at modeling of the magnetic properties of electrical magnetic materials under different temperatures and stresses, a vector hysteresis model coupled with hysteresis operator and neural network is proposed to analyze magnetic properties of electrical equipment. Based on physical meaning, a vector hysteresis operator considering the effect of temperature and stress is built up. And, the neural network model is constructed by multilayer with the hysteresis operator as the basic unit. The non-standard large-scale data is used to identify the model parameters in order to accurately simulate the multi-factors of the magnetic properties. Then, the sampling methods for training the neural network research is designed, including the choice of the optimal hyper parameter. Finally, the hysteresis model under complex conditions is used to simulate electromagnetic characteristic of electrical equipment so that the risk of failures under the extreme conditions of electric power equipment is avoided.

电力变压器、电机等电工装备铁心的电磁特性直接影响装备的工作性能指标，因此电工磁材料在服役条件下的磁特性模拟研究至关重要。传统的模拟方法是在标准温度、无应力条件下开展的，存在非常大的设计计算误差。本项目针对电工磁材料在不同温度、应力等条件下的磁化特性进行深入研究，提出神经网络与多条件耦合型矢量磁滞算子深度融合的磁滞模型，实现对电工装备服役磁特性的精细模拟。主要研究内容包括：考虑温度、应力等多外施条件，建立具有物理含义的耦合型矢量磁滞算子；以矢量磁滞算子为基本单元，构建多层神经网络模型，通过大规模的非标准磁特性实验数据进行模型参数辨识，实现多因素条件下磁特性准确模拟；研究多层神经网络训练所需的抽样方法，设计模型训练集，实现最优超参数的设计；应用所建立的磁滞模型，模拟电工装备复杂条件下电磁特性，避免电力装备在极端条件下可能的失效风险。

随着中国经济的高速增长，中国已经成为世界第一大电力生产和消耗国家，电机和变压器等电工装备在电能转换电力传输等环节起到至关重要的作用。在高效运行节能环保的发展趋势背景下，电工装备在优化升级、节能降耗等方面具有重要的意义。主要研究内容，考虑应力和温度作用下多条件耦合矢量磁滞算子的研究，针对电工软磁材料磁特性建立基于神经网络和多条件耦合型磁滞算子深度融合的磁滞模型，神经网络与磁滞算子深度融合的磁滞模型的模型训练及工程验证，利用有限的数据，在满足物理规律前提下进行数据集的人工扩充；设计高效的并行实现方法，从而实现深度网络模型的学习，以最优的方式实现电工软磁材料综合磁特性模拟，模拟变压器铁心受紧固夹具作用下铁心磁特性变化规律。完成的主要工作：研发多工况磁性能测试系统，含正弦、脉宽调制、旋转二维磁性能测量系统，测试频率50Hz~30kHz，重复性和精度高。提出基于神经网络的损耗求解方法，实现了异常损耗的准确计算，为高频变压器精细化设计提供理论依据。基于神经网络模拟面向电力变压器电工装备，提出了动态损耗模型和异构网格数据共享技术，实现电工装备精确的磁热双向耦合仿真。将考虑温度和应力的磁特性模型应用于电工装备的电磁分析中，精细的仿真预测能够在电工装备设计制造的初期发现并排除潜在的问题，而且避免了电工装备经验设计中为增大设备安全裕度所导致的电磁材料过度浪费。