【技术实现步骤摘要】
本专利技术涉及电气设备故障预测，尤其是涉及一种换流阀薄弱环节求解方法、装置、存储介质及计算机设备。
技术介绍
1、晶闸管换流阀是高压直流工程关键装备，其通流容量高，特别适用于大容量、远距离电力输送的应用场景。考虑到晶闸管换流阀的结构非常复杂，且长期运行在复杂电磁多物理场交织的恶劣工作环境中会加速器件老化过程，并增大故障率，因此换流阀运行存在可靠性相对薄弱的问题。
2、换流阀薄弱环节多是指温度高异常发热点，目前换流阀的运维过程主要靠人工巡检、机器人巡检以及定期停运检修，且现有的换流阀监测技术、阀厅监视方式局限于传感器体积结构和阀塔相互层叠，无法精准感知阀塔内关键部件工作状态，且对于换流阀薄弱环节判别存在速度慢、精度低等问题。
技术实现思路
1、有鉴于此，本申请提供了一种换流阀薄弱环节求解方法、装置、存储介质及计算机设备，主要目的在于解决现有技术中对于换流阀薄弱环节判别速度慢、精度低的技术问题。
2、根据本专利技术的第一个方面，提供了一种换流阀薄弱环节求解方法，该方法包括：
3、识别待判别换流阀的多个子系统，建立每一所述子系统对应的子结构模型，并分别对多个所述子结构模型进行插值优化，得到多个降阶子结构模型；
4、将多个所述降阶子结构模型分配至多个处理器中并行处理，构建有限元模型并利用等几何分析法计算每一所述有限元模型的分析结果；
5、确定多个所述有限元模型的复杂度，并利用多目标进化算法对所述有限元模型的分析结果进行求解，得到每
6、根据待判别换流阀的运行数据构建非线性方程，利用所述最优参数集对所述非线性方程进行求解，识别待判别换流阀的温度异常点以确定待判别换流阀的薄弱环节。
7、可选的，所述分别对多个所述子结构模型进行插值优化，得到多个降阶子结构模型，包括：
8、采集待判别换流阀的实验数据，对所述实验数据进行预处理；
9、基于所述实验数据的数据特性和数据需求确定目标插值方法；
10、根据所述目标插值方法建立插值模型，利用所述插值模型对所述子结构模型进行插值优化，得到初始降阶子结构模型；
11、构建辅助变量，基于所述辅助变量调整所述初始降阶子结构模型的模型参数，以对所述初始降阶子结构模型进行优化，得到降阶子结构模型。
12、可选的，所述构建辅助变量，基于所述辅助变量调整所述初始降阶子结构模型的模型参数，以对所述初始降阶子结构模型进行优化，得到降阶子结构模型，包括：
13、获取待判别换流阀在一维条件下的电子电流方程和空穴电流方程；
14、构建辅助变量，基于待判别换流阀内功率芯片电场分布获取不同注入条件下的电子电流方程和空穴电流方程，进而求解得到一维条件下的电子电流和空穴电流方程中离散点处电子电流和空穴电流；
15、根据所述一维条件下的电子电流方程和空穴电流方程以及离散点处电子电流和空穴电流确定降阶子结构模型。
16、可选的，所述将多个所述降阶子结构模型分配至多个处理器中并行处理，包括：
17、基于网格剖分细致程度和计算复杂度确定每一所述降阶子结构模型的复杂度；
18、确定多个处理器的计算单元，将所述处理器的计算单元与所述降阶子结构模型的复杂度进行匹配，确定每一所述降阶子结构模型对应的处理器；
19、利用多个所述处理器分别对多个所述降阶子结构模型并行处理。
20、可选的，所述构建有限元模型并利用等几何分析法计算每一所述有限元模型的分析结果，包括：
21、根据瞬态热结构弱耦合问题构建所述降阶子结构模型的有限元模型；
22、基于初始设计参数和初始约束条件，利用等几何分析法对所述有限元模型进行分析，得到初始分析结果；
23、基于所述初始分析结果对所述有限元模型进行优化，并利用重分析算法对优化后的有限元模型进行重新估算，得到所述有限元模型对应的分析结果。
24、可选的，所述确定多个所述有限元模型的复杂度，并利用多目标进化算法对所述有限元模型的分析结果进行求解，得到每一所述有限元模型的解，包括：
25、利用复杂度动态调整方法确定所述有限元模型的复杂度，其中，所述有限元模型包括低复杂度模型和高复杂度模型；
26、根据多目标优化问题建立相关目标函数以及多种约束条件，基于最小化相关目标函数，利用多目标进化算法对有限元模型的分析结果进行求解，得到每一所述有限元模型的解。
27、可选的，所述利用帕累托转移策略对每一所述有限元模型的解进行优化迭代，得到最优参数集，包括：
28、获取所述低复杂度模型的解，将所述低复杂度模型的解作为所述高复杂度模型的初始搜索种群；
29、确定所述高复杂度模型迭代时的搜索种群，获取局部搜索函数，基于所述高复杂度模型的参数和所述搜索种群对所述局部搜索函数进行更新，得到最优参数集。
30、根据本专利技术的第二个方面，提供了一种换流阀薄弱环节求解装置，该装置包括：
31、数据获取模块，用于利用预设的换流阀多物理场仿真模型获取全工况下换流阀多物理场的仿真数据样本；
32、数据扩展模块，用于构建最小二乘生成对抗网络，基于所述仿真数据样本对所述最小二乘生成对抗网络进行训练，得到多物理场参数样本，将所述仿真数据样本与所述多物理场参数样本结合得到扩展数据样本；
33、模型评估模块，用于对所述扩展数据样本进行预处理，利用预处理后的扩展数据样本对预设的评估模型进行训练和评估，生成目标评估模型；
34、结果输出模块，用于基于所述扩展数据样本和所述目标评估模型建立故障预测模型，采集换流阀的多物理场数据，利用所述故障预测模型对所述换流阀的多物理场数据进行处理，得到换流阀故障预测结果。
35、根据本专利技术的第三个方面，提供了一种存储介质，其上存储有计算机程序，程序被处理器执行时实现上述换流阀薄弱环节求解方法。
36、根据本专利技术的第四个方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述换流阀薄弱环节求解方法。
37、本专利技术提供的一种换流阀薄弱环节求解方法、装置、存储介质及计算机设备，首先识别待判别换流阀的多个子系统，建立每一子系统对应的子结构模型，并分别对多个子结构模型进行插值优化，得到多个降阶子结构模型，然后将多个降阶子结构模型分配至多个处理器中并行处理，构建有限元模型并利用等几何分析法计算每一有限元模型的分析结果，之后确定多个有限元模型的复杂度，并利用多目标进化算法对有限元模型的分析结果进行求解，得到每一有限元模型的解，利用帕累托转移策略对每一有限元模型的解进行优化迭代，得到最优参数集，最终根据待判别换流阀的运行数据构建非线性方程，利用最优参数集对非线性方程本文档来自技高网...
【技术保护点】
1.一种换流阀薄弱环节求解方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述分别对多个所述子结构模型进行插值优化，得到多个降阶子结构模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述构建辅助变量，基于所述辅助变量调整所述初始降阶子结构模型的模型参数，以对所述初始降阶子结构模型进行优化，得到降阶子结构模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述将多个所述降阶子结构模型分配至多个处理器中并行处理，包括：
5.根据权利要求1所述的方法，其特征在于，所述构建有限元模型并利用等几何分析法计算每一所述有限元模型的分析结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述确定多个所述有限元模型的复杂度，并利用多目标进化算法对所述有限元模型的分析结果进行求解，得到每一所述有限元模型的解，包括：
7.根据权利要求6所述的方法，其特征在于，所述利用帕累托转移策略对每一所述有限元模型的解进行优化迭代，得到最优参数集，包括：
8.一种换流阀薄弱环节求解装置，其特征在于
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种换流阀薄弱环节求解方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述分别对多个所述子结构模型进行插值优化，得到多个降阶子结构模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述构建辅助变量，基于所述辅助变量调整所述初始降阶子结构模型的模型参数，以对所述初始降阶子结构模型进行优化，得到降阶子结构模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述将多个所述降阶子结构模型分配至多个处理器中并行处理，包括：
5.根据权利要求1所述的方法，其特征在于，所述构建有限元模型并利用等几何分析法计算每一所述有限元模型的分析结果，包括：
6.根据权利要求1所述的方法，其特征...
【专利技术属性】
技术研发人员：李天琦，赵书涛，刘会兰，廖卉莲，栾洪洲，王利桐，朱鹏宇，
申请(专利权)人：中电普瑞电力工程有限公司，
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。