基于机器学习的电力设备物理场仿真技术

本书全面探讨基于机器学习的电力设备物理场仿真技术，着重于通过机器学习技术，提高电力设备仿真的精度和效率。内容涵盖电力设备类型与训练数据集规模研究、故障区域仿真精度提升、几何变形仿真，以及实际应用中的仿真平台建设。书中通过多个实际案例，展示如何利用数据驱动的模型来提升仿真速度，并为未来电力设备领域的发展提供重要的理论依据和实践指导。

云南省科学技术奖 二等奖（排名4）、云南省科学技术 三等奖（排名4）、中国电工技术学会科学技术奖 三等奖（排名1）

目录
第1章 绪论 1
1.1 背景 1
1.2 国内外研究现状及存在的问题 2
1.2.1 国内外研究现状 2
1.2.2 存在的问题与不足 4
1.3 本书研究路线 5
第2章 理论基础 6
2.1 深度学习 6
2.1.1 发展历程 6
2.1.2 神经元模型 7
2.1.3 激活函数 8
2.1.4 损失函数 10
2.1.5 优化函数 10
2.2 机器学习 11
2.2.1 深度神经网络 11
2.2.2 卷积神经网络 12
2.2.3 长短期记忆网络 13
2.2.4 支持向量回归 14
2.2.5 极端梯度提升树 14
2.2.6 随机森林 15
2.2.7 自编码器 16
2.3 主成分分析 17
2.4 超参数调优 19
第3章 电力设备物理场仿真与数据集分析 21
3.1 不同类型电力设备物理场仿真 21
3.1.1 变压器磁场仿真 21
3.1.2 高压套管仿真 48
3.1.3 无短路电抗器磁场仿真 52
3.2 训练数据规模和分布情况 54
3.2.1 数据介绍 54
3.2.2 数据处理 55
3.2.3 基于采样点数据的磁场仿真 59
3.2.4 采样区间优化 64
3.2.5 研究结果分析 71
3.3 设备类型与训练所需最小数据量关系 72
3.3.1 数据介绍 72
3.3.2 仿真精度与数据条数非线性关系 73
3.3.3 仿真精度与数据规模关系评估 75
3.3.4 数据集规模仿真实验 80
3.3.5 研究结果分析 82
3.4 本章小结 83
第4章 电力设备故障区域仿真精度提升 84
4.1 故障区域分类 84
4.1.1 数据介绍 84
4.1.2 数据预处理 90
4.1.3 基于不同机器学习模型的故障分类 92
4.2 故障区域网格案例库构建 96
4.2.1 数据介绍 96
4.2.2 中端部短路电抗器磁场仿真 97
4.2.3 任意位置短路电抗器磁场仿真 106
4.3 故障区域仿真精度提升 121
4.3.1 数据介绍 121
4.3.2 数据预处理 124
4.3.3 绕组短路状态下三相变压器磁场仿真 132
4.3.4 不同回归模型适应性 140
4.3.5 变压器磁场仿真差异性分析 143
4.3.6 仿真精度与数据集关系 144
4.4 本章小结 146
第5章 基于机器学习的局部区域几何变形下物理场仿真模型构建 147
5.1 几何变形类别及等级划分 147
5.1.1 数据介绍 147
5.1.2 数据预处理 151
5.1.3 基于不同机器学习模型的几何变形分类 153
5.2 几何变形下物理场仿真模型案例库构建 156
5.2.1 数据介绍 156
5.2.2 数据预处理 158
5.2.3 不同几何变形故障下漏磁场仿真 163
5.2.4 仿真精度与数据集关系 165
5.3 局部区域几何变形物理场仿真 167
5.3.1 数据介绍 167
5.3.2 状态特征分析 168
5.3.3 绕组变形变压器磁场仿真 169
5.4 本章小结 172
第6章 展望 173
参考文献 174