摘要
本发明涉及气体绝缘金属封闭输电线路技术领域,尤其涉及一种GIL管廊气体泄漏的仿真反演方法、装置、设备及存储介质,方法包括:构建GIL管廊孪生体模型,使用孪生体模型仿真对GIL管廊泄露全过程进行模拟,获得样本数据;将气体泄漏的特征与样本数据结合构建基于条件生成对抗神经网络模型;基于条件生成对抗神经网络模型的训练,确立特征辨识的指标体系;基于指标体系对现实泄露事故进行反演,对泄露进行溯因,并提供决策支持与实施。本发明中,通过对SF6气体泄漏事件进行高精度的仿真和反演,可以识别出更早的泄漏迹象,实现更早的预警。有助于在泄漏发展成更严重的故障之前进行干预,降低维修成本和避免潜在的运行中断。
技术关键词
条件生成对抗神经网络
GIL管廊
反演方法
气体
样本
数据
生成神经网络模型
随机噪声
生成器网络
反演装置
参数
处理器
决策
计算机设备
变量
存储器
偏差
算法