【技术实现步骤摘要】
本专利技术属于物理-数据混合驱动流场分布建模，具体涉及一种抽蓄机组流场快速计算方法及其相关装置。
技术介绍
1、抽水蓄能电站是目前最成熟、规模最大的储能电源和调节电源，能够灵活地开停机，跟踪并适应剧烈的负荷变化，并且通过调制调频保持电压稳定性，具有良好的峰值负荷削减的功能，能够有效缓解新型能源对电网安全的潜在危害。与常规电站相比，抽蓄电站在电厂设计、建造、运营和经济评估中具有诸多不同，在实际运行中抽水蓄能的电站运行工况复杂多样。当运行偏离最优工况并发生大波动过渡过程时，机组的运行参数变化剧烈，容易激发水泵水轮机内部流场的快速瞬变，破坏稳定运行，甚至造成机组与人员的伤害。
2、模拟抽蓄电站机组水泵水轮机运行性能的方法有以下两种：
3、一是通过运行设备的动力学方程建立一维数值模型，该方法模拟过渡过程中相关参数的变化规律，计算时间短，但可靠性较低，无法全面地反映整个设备的空间参数变化。
4、另一种方法利用离散化方法将现实中的物理模型转化为有限单元的数值模型，通过将无限的单元划分为有限的网格来表征整体的物理量分布情况。这种方法计算得到的结果十分接近于真实的物理模型，但建模过程复杂，而且模型求解时间往往长达数月。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种抽蓄机组流场快速计算方法及其相关装置，能够在原有物理机理模型的基础上引入神经网络进行加速，降低计算所需的资源及时间，同时提升真实开放场景下计算方法的响应速度，用于
2、本专利技术采用以下技术方案：
3、一种抽蓄机组流场快速计算方法，包括以下步骤：
4、对水泵水轮机的几何参数信息进行预处理，得到边界条件；
5、构建前馈神经网络模型，基于预先建立好的水泵水轮机流场分布的数学模型和得到的边界条件，结合初始条件构建前馈神经网络模型的物理约束损失函数；
6、基于得到的物理约束损失函数，选取配点对得到的前馈神经网络模型进行训练；
7、基于得到的前馈神经网络模型实现流场分布计算。
8、优选地，水泵水轮机流场分布的数学模型具体为：
9、
10、
11、其中，xi、xj为位置坐标，为时均速度，ρ为流体密度，为时均压强，μ为动力粘度，v′i、v′j为脉动度，二阶关联项为雷诺应力。
12、优选地，水泵水轮机的几何参数信息包括额定水头、额定转速、额定功率、转轮高压边直径、转轮叶片数、活动导叶数和固定导叶数。
13、优选地，在水轮机发电工况时，采用蜗壳进口流量，尾水管出口压力的边界条件；在水泵抽水工况时，采用尾水管进口流量，蜗壳出口压力的边界条件。
14、优选地，前馈神经网络模型运用多层全连接神经网络，输入层包含3个分别表示x,y,t的神经元，多个隐层以及输出为1个预测值a的输出层。
15、更优选地，物理约束损失函数mse具体如下：
16、mse＝mseb+msef
17、其中，mseb为预测值满足边界条件程度，msef为输入前馈神经网络所得预测值代入数学模型的误差。
18、优选地，对前馈神经网络模型进行训练，包括：
19、计算选取配点的物理约束损失函数，并计算物理约束神经网络输出到输入之间的梯度，依据物理约束损失函数对前馈神经网络进行反向传播，迭代更新前馈神经网络中的权重和偏置。
20、更优选地，采用随机梯度下降法对前馈神经网络模型的训练过程进行优化。
21、更优选地，选取配点，包括：
22、在控制区域内，基于拉丁超立方采样方法选取10000个配点；
23、在边界条件处，选取3000个配点；
24、在初始条件处，选取3000个配点。
25、第二方面，本专利技术实施例提供了一种基于物理约束神经网络的抽蓄机组流场计算系统，包括：
26、预处理模块，对水泵水轮机的几何参数信息进行预处理，得到边界条件；
27、网络模块，构建前馈神经网络模型，基于预先建立好的水泵水轮机流场分布的数学模型和预处理模块得到的边界条件，结合初始条件构建前馈神经网络模型的物理约束损失函数；
28、训练模块，基于网络模块得到的物理约束损失函数，选取配点对网络模块得到的前馈神经网络模型进行训练；
29、输出模块，基于训练模块得到的前馈神经网络模型实现流场分布计算。
30、优选地，水泵水轮机的几何参数信息包括额定水头、额定转速、额定功率、转轮高压边直径、转轮叶片数、活动导叶数和固定导叶数中的至少一项。
31、优选地，在水轮机发电工况时，采用蜗壳进口流量，尾水管出口压力的边界条件；在水泵抽水工况时，采用尾水管进口流量，蜗壳出口压力的边界条件。
32、优选地，水泵水轮机流场分布的数学模型具体为：
33、
34、
35、其中，xi、xj为位置坐标，为时均速度，ρ为流体密度，为时均压强，μ为动力粘度，v′i、v′j为脉动度，二阶关联项为雷诺应力。
36、优选地，前馈神经网络模型运用多层全连接神经网络，输入层包含3个分别表示x,y,t的神经元，多个隐层以及输出为1个预测值a的输出层，物理约束损失函数mse具体如下：
37、mse＝mseb+msef
38、其中，mseb为预测值满足边界条件程度，msef为输入前馈神经网络所得预测值代入数学模型的误差；
39、优选地，前馈神经网络模型运用多层全连接神经网络，输入层包含3个分别表示x,y,t的神经元，多个隐层以及输出为1个预测值a的输出层。
40、优选地，对前馈神经网络模型进行训练，包括：
41、计算选取配点的物理约束损失函数，并计算物理约束神经网络输出到输入之间的梯度，依据物理约束损失函数对前馈神经网络进行反向传播，迭代更新前馈神经网络中的权重和偏置；
42、采用随机梯度下降法对前馈神经网络模型的训练过程进行优化；
43、选取配点包括：
44、在控制区域内，基于拉丁超立方采样方法选取10000个配点；
45、在边界条件处，选取3000个配点；
46、在初始条件处，选取3000个配点。
47、第三方面，本专利技术实施例提供了一种芯片，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述抽蓄机组流场快速计算方法的步骤。
48、第四方面，本专利技术实施例提供了一种电子设备，包括上述芯片。
49、第五方面，本专利技术实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述抽蓄机组流场快本文档来自技高网...
【技术保护点】
1.一种抽蓄机组流场快速计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，水泵水轮机流场分布的数学模型具体为：
3.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，水泵水轮机的几何参数信息包括额定水头、额定转速、额定功率、转轮高压边直径、转轮叶片数、活动导叶数和固定导叶数中的至少一项。
4.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，在水轮机发电工况时，采用蜗壳进口流量，尾水管出口压力的边界条件；在水泵抽水工况时，采用尾水管进口流量，蜗壳出口压力的边界条件。
5.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，前馈神经网络模型运用多层全连接神经网络，输入层包含3个分别表示x,y,t的神经元，多个隐层以及输出为1个预测值A的输出层。
6.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，物理约束损失函数MSE具体如下：
7.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，对前馈神经网络模型进行训练，包括：>
8.根据权利要求7所述的抽蓄机组流场快速计算方法，其特征在于，采用随机梯度下降法对前馈神经网络模型的训练过程进行优化。
9.根据权利要求7所述的抽蓄机组流场快速计算方法，其特征在于，选取配点包括：
10.一种基于物理约束神经网络的抽蓄机组流场计算系统，其特征在于，包括：
11.根据权利要求10所述的基于物理约束神经网络的抽蓄机组流场计算系统，其特征在于，水泵水轮机流场分布的数学模型具体为：
12.根据权利要求10所述的基于物理约束神经网络的抽蓄机组流场计算系统，其特征在于，前馈神经网络模型运用多层全连接神经网络，输入层包含3个分别表示x,y,t的神经元，多个隐层以及输出为1个预测值A的输出层，物理约束损失函数MSE具体如下：
13.一种芯片，其特征在于，
14.一种电子设备，其特征在于，
15.一种计算机可读存储介质，其特征在于，存储一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行权利要求1至9任一所述的方法。
16.一种计算设备，其特征在于，包括：
...【技术特征摘要】
1.一种抽蓄机组流场快速计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，水泵水轮机流场分布的数学模型具体为：
3.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，水泵水轮机的几何参数信息包括额定水头、额定转速、额定功率、转轮高压边直径、转轮叶片数、活动导叶数和固定导叶数中的至少一项。
4.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，在水轮机发电工况时，采用蜗壳进口流量，尾水管出口压力的边界条件；在水泵抽水工况时，采用尾水管进口流量，蜗壳出口压力的边界条件。
5.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，前馈神经网络模型运用多层全连接神经网络，输入层包含3个分别表示x,y,t的神经元，多个隐层以及输出为1个预测值a的输出层。
6.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，物理约束损失函数mse具体如下：
7.根据权利要求1所述的抽蓄机组流场快速计算方法，其特征在于，对前馈神经网络模型进行训练，包括：
...
【专利技术属性】
技术研发人员：唐鹏飞，仝杰，张中浩，龙天航，黄灿，欧阳慧泉，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。