力学季刊

作者：刘财喜, 许伟, 冯烁

关键词：机器学习模型；降阶模型；输变电设备

输变电设备的多物理场仿真通常涉及复杂的耦合过程和高维度计算，导致计算成本高、响应速度慢，难以满足实时预测与在线监测需求．为此，本研究提出了一种基于轻量级降阶建模的输变电设备高效预测方法．首先，利用多物理场仿真模型获取设备在不同运行工况下的稀疏物理场数据．随后，采用本征正交分解(Proper Orthogonal Decomposition, POD)方法提取系统主导特征模态，实现全阶模型的降阶重构；在此基础上，结合机器学习算法，对降阶特征空间进行非线性映射与重建，从而建立轻量级的降阶预测模型．在典型输变电设备算例中的验证结果表明，该方法可将仿真计算时间由数小时甚至数天缩短至数分钟或数秒，整体计算效率提升数百倍，同时预测误差保持在5%以内．实验结果充分证明了所提出方法在计算效率与预测精度之间的优越平衡．本研究为输变电设备多物理场仿真的轻量化与实时化提供了可行路径，可广泛应用于电气设备的数字孪生、运行状态评估及智能运维，为电力系统的高效安全运行提供了关键的算法支撑．

来源：2025年第4期

《力学季刊》期刊编辑部

查看力学季刊杂志2025年第4期