基于物理信息神经网络的变压器磁场预测方法及系统

本发明提供一种基于物理信息神经网络的变压器磁场预测方法及系统，该方法包括：将变压器的磁场分布图样本输入U‑Net模型中，得到U‑Net模型输出的变压器的预测磁场图像；根据变压器的预测磁场图像和目标磁场图像之间的像素差异确定数据驱动损失函数，根据变压器的预测磁场图像确定变压器的磁场能量密度，根据变压器的磁场能量密度确定物理损失函数；根据数据驱动损失函数和物理损失函数确定综合损失函数，使用综合损失函数对U‑Net模型进行训练；将变压器的当前磁场分布图输入训练后的U‑Net模型中，得到变压器的当前预测磁场图像。本发明融合深度学习模型与物理损失约束，显著提升变压器磁场预测的精度、物理一致性和泛化能力。