-
公开(公告)号:CN118657092A
公开(公告)日:2024-09-17
申请号:CN202411134601.1
申请日:2024-08-19
申请人: 南方电网科学研究院有限责任公司
IPC分类号: G06F30/28 , G06F30/23 , G06F30/27 , G06N3/08 , G06F113/08 , G06F119/08 , G06F119/14
摘要: 本发明涉及物理场仿真技术领域,公开了一种数字孪生在线仿真的多物理场计算方法及系统,通过建立被仿真物体的多物理场耦合仿真计算模型,并对多物理场耦合仿真计算模型进行简化,对温度场仿真模型进行降阶,从而极大地降低计算量,提升计算效率,通过温度场分析得到的低精度数据集,利用低精度数据减少模型所需数据量,降低建模的成本,还通过低精度数据集以及其对应的样本空间构建基础数据驱动模型,从而可以快速输出温度场分布结果,进一步提升了计算效率,降低了计算误差。
-
公开(公告)号:CN118468717A
公开(公告)日:2024-08-09
申请号:CN202410631576.1
申请日:2024-05-21
申请人: 南方电网科学研究院有限责任公司 , 广东电网有限责任公司东莞供电局
IPC分类号: G06F30/27 , G06T17/00 , G06N3/0464 , G06N3/0499 , G06N3/084 , G06F30/23
摘要: 本申请公开了一种GIL温度分布的实时在线监测方法及相关装置,包括:建立GIL仿真模型,并确定影响GIL整体温度分布变量和监测点位置。确定变量的选取范围,获取包含变量的数据集以及温度场数据集并导出。对温度数据集提取得到监测点温度数据集以及固体域温度数据集,并对固体域温度数据集行降维处理。构建监测点温度数据集与低维数据集的隐式非线性关系得到GIL整体温度固体域部分的计算模型,并构建固体域温度数据集与温度场数据集的映射关系得到GIL整体温度在线监测模型。将监测点温度输入模型得到GIL整体固体域温度分布,并通过监测模型重构GIL整体温度分布,从而解决了GIL无法实时监测设备内部状态的问题。
-
公开(公告)号:CN118657113B
公开(公告)日:2024-11-05
申请号:CN202411134592.6
申请日:2024-08-19
申请人: 南方电网科学研究院有限责任公司
IPC分类号: G06F30/394 , G06F119/08
摘要: 本发明涉及换流阀仿真技术领域,公开了一种换流阀多层级温度场精细化仿真方法及系统,通过对多个阀模块进行等效简化,并使简化得到的等效阀模块模型外的空气包温度最大值等于预设的阀模块的精细化仿真模型的空气包温度最大值,并通过多个等效阀模块模型进行组装等效阀塔模型,并对多个等效阀塔模型按照各阀塔的相对位置进行布置,并设置边界条件,建立阀厅全场域模型,利用简化模型进行全场域的建模,避免了剖分网格量巨大,容易导致的计算困难,收敛性差的问题,并在等效阀塔模型的外界的预设尺度空间内建立等效边界包裹空气层,来建立阀塔的仿真计算模型,从而考虑外界对换流阀的温度场分布的影响,提高计算换流阀的温度场分布的准确性。
-
公开(公告)号:CN118657113A
公开(公告)日:2024-09-17
申请号:CN202411134592.6
申请日:2024-08-19
申请人: 南方电网科学研究院有限责任公司
IPC分类号: G06F30/394 , G06F119/08
摘要: 本发明涉及换流阀仿真技术领域,公开了一种换流阀多层级温度场精细化仿真方法及系统,通过对多个阀模块进行等效简化,并使简化得到的等效阀模块模型外的空气包温度最大值等于预设的阀模块的精细化仿真模型的空气包温度最大值,并通过多个等效阀模块模型进行组装等效阀塔模型,并对多个等效阀塔模型按照各阀塔的相对位置进行布置,并设置边界条件,建立阀厅全场域模型,利用简化模型进行全场域的建模,避免了剖分网格量巨大,容易导致的计算困难,收敛性差的问题,并在等效阀塔模型的外界的预设尺度空间内建立等效边界包裹空气层,来建立阀塔的仿真计算模型,从而考虑外界对换流阀的温度场分布的影响,提高计算换流阀的温度场分布的准确性。
-
公开(公告)号:CN118114163A
公开(公告)日:2024-05-31
申请号:CN202410305563.5
申请日:2024-03-15
申请人: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司 , 浙江大学
IPC分类号: G06F18/2431 , G06F18/22 , G06N3/006 , G06N3/092 , G06N3/126
摘要: 本发明公开了一种基于PSO和SAC的双馈式风机系统参数智能辨识方法,包括:将双馈式风机系统中DFIG参数的辨识问题转换为MDP,使用SAC智能体与作为环境模拟的DFIG模型进行交互,并确定SAC智能体的状态空间、动作空间和奖励函数;在训练SAC智能体的过程中,将SAC生成的辨识结果作为PSO的初始状态进行优化,使用PSO算法不断优化所选中DFIG模型坏参数,以模型响应曲线与实测曲线偏差最小为目标进行迭代优化,直到达到收敛;在模型参数辨识过程中,通过计算灵敏度来提取MDP问题的状态,将提取的状态输入训练好的SAC智能体,辨识得到DFIG参数中的坏参数,以辨识风电机组坏参数,提升坏参数辨识的性能。
-
-
-
-