外壳稀疏传感数据约束下的GIL多物理场重构方法

本申请涉及一种外壳稀疏传感数据约束下的GIL多物理场重构方法，其中，方法包括：基于气体绝缘金属封闭输电线路GIL的典型工况，构建电磁场‑温度场‑流场场的高保真多物理场数值仿真模型；构建温度场‑流速场的降阶模型，并根据降阶模型生成低秩空间的基底与时间演化系数；根据实际的传感器位置计算采样矩阵、传感器数据与屏幕快照间的关系，以根据关系生成最终的传感数据；基于最终的传感数据和基底与时间演化系数，构建用于GIL多物理场重构的神经网络代理模型。本申请通过机器学习算法解决GIL等高压设备在场域级状态检测中面临的“双受限”困境，即传感器种类单一、空间布置受限条件下，传统重构算法稳定性与准确度退化的问题。