基于机器学习的变压器绝缘结构设计方法

AITNT
正文
推荐专利
基于机器学习的变压器绝缘结构设计方法
申请号:CN202411534765
申请日期:2024-10-31
公开号:CN119442529B
公开日期:2025-08-01
类型:发明专利
摘要
本发明涉及一种基于机械学习的变压器绝缘结构设计方法,包括收集以往设计方案的参数与变压器电场分布仿真数据;建立变压器绝缘设计特征工程;构建预变压器绝缘结构参数预测模型与训练;将训练好的模型应用于新设计方案的仿真中;确定变压器设计条件参数。本发明基于机械学习的变压器绝缘结构设计方法,通过分析大量历史设计数据和仿真结果,自动构建复杂的映射关系,从而提高变压器绝缘结构设计的效率和准确性,优化绝缘性能,并实现自动优化与反馈调整,以解决传统设计方法在处理复杂电场分布和多因素影响时的局限性,确保变压器设计满足现代电力系统的高标准和高要求。
技术关键词
结构设计方法 变压器绝缘结构 仿真数据 电场 新设计方案 设计特征 机器学习模型 参数 仿真工具 非线性映射关系 材料介电常数 特征选择 随机森林 降维技术 数值仿真 指标
系统为您推荐了相关专利信息
1
一种基于DFEM与PINNs的热力管道泄漏检测方法
多任务学习策略 热力管道 三维有限元模型 物理 应力场
2
一种基于Dueling DQN的改进BSIM参数提取方法
参数提取方法 动作列表 半导体器件建模 仿真数据 网络模型训练
3
基于强化学习的伺服电机控制方法、系统以及电子设备
伺服电机控制方法 伺服电机控制系统 强化学习算法 生成驱动信号 深度确定性策略梯度
4
一种改善反向耐压的MOSFET芯片结构及其制造方法
氧化层 芯片结构 衬底 单晶硅 光刻胶
5
一种基于优化算法的风电场布局规划方法及系统
风电场布局 空间分析模型 三维仿真模型 构建风电场 空间特征提取
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号