一种基于MLP模型的伏秒特性预测系统及预测方法与流程

本发明涉及脉冲功率装置中绝缘材料的伏秒特性预测系统及预测方法，尤其涉及一种基于mlp模型的伏秒特性预测系统及预测方法。

背景技术：

1、在脉冲功率装置的绝缘设计中，闪络电压的准确预测是保障设备安全的关键。由于脉冲功率装置中的脉冲电压前沿涉及从几十纳秒至百纳秒的上升时间，因此研究绝缘材料的伏秒特性对脉冲功率装置的绝缘设计及故障预警具有关键意义。

2、传统的伏秒特性预测方法依赖大量实验，耗时耗力，随着机器学习技术的发展，mlp（multilayer perceptron，多层感知器）模型由于具有非线性拟合能力强的特点，被广泛应用于伏秒特性预测中。但采用现有mlp模型进行伏秒特性预测时，通常存在以下缺陷：

3、（一）缺乏领域经验约束：现有mlp模型仅依赖实验数据驱动，未融入已知的闪络物理规律，在小样本或极端工况下易出现预测偏离实际物理本质的问题。

4、（二）正则化策略单一：现有正则化项多为l1/l2正则（抑制参数过拟合），无法关联伏秒特性的领域特性，难以平衡数据拟合精度与物理规律一致性。

5、（三）正则化系数调整盲目：正则化系数多为人工固定或随机搜索，无法根据训练进程动态适配，易导致模型训练进程中约束强度适配性差，出现前期约束过强（模型趋同经验公式）或后期约束过弱（模型脱离物理规律）的情况。

技术实现思路

1、本发明的目的是解决采用现有mlp模型进行伏秒特性预测时，存在的缺乏领域经验约束、正则化策略单一以及正则化系数调整盲目的技术问题，而提供一种基于mlp模型的伏秒特性预测系统及预测方法。

2、为实现上述目的，本发明所提供的技术解决方案为：

3、一种基于mlp模型的伏秒特性预测系统，其特殊之处在于：包括mlp模型和伏秒特性预测模块；

4、所述mlp模型在迭代训练过程中采用复合损失函数进行反向传播；

5、所述复合损失函数为：

6、；

7、其中，为数据拟合损失项，为基于反比例经验公式的约束损失项，为正则化系数；

8、；

9、；

10、其中，表示实验真实的闪络时延，表示mlp模型输出的预测闪络时延，表示反比例经验公式推导出的理论闪络时延；i=1,2,…,n，n为样本总数量；

11、所述mlp模型用于接收外部输入的脉冲电压上升时间tr、脉冲电压极性p、沿面距离d以及闪络电压u，并对输入数据进行处理，以输出不同工况下的预测闪络时延；

12、所述伏秒特性预测模块的输入端连接mlp模型的输出端，用于根据不同工况条件下mlp模型输出的预测闪络时延，获得伏秒特性曲线。

13、进一步地，所述正则化系数在mlp模型的迭代训练过程中采用指数衰减退火策略进行动态化调整，其表达式如下：

14、；

15、其中，为当前训练轮次对应的正则化系数，为正则化系数的初始值，为当前训练轮次，e为迭代训练总轮次，为衰减系数。

16、进一步地，所述反比例经验公式为：

17、；

18、其中，a、b均表示待拟合系数，根据多组历史实验数据拟合求解获得。

19、进一步地，所述mlp模型包括逐层排布的输入层、m层隐藏层以及输出层，层与层之间采用全连接结构，m≥1；

20、所述输入层包括四个神经元，用于分别接收外部的脉冲上升时间tr、脉冲电压极性p、沿面距离d以及闪络电压u；

21、每层隐藏层包括多个神经元；隐藏层引入非线性激活函数构建非线性映射关系，并通过复合损失函数完成迭代训练；

22、所述输出层与伏秒特性预测模块的输入端连接，输出层用于输出不同工况条件下的预测闪络时延。

23、进一步地，采用optuna对所述mlp模型进行超参数优化。

24、进一步地，所述非线性激活函数为relu。

25、另外，本发明还提供了一种基于mlp模型的伏秒特性预测方法，采用上述基于mlp模型的伏秒特性预测系统，其特殊之处在于，包括以下步骤：

26、步骤1，在脉冲电压上升时间tr、脉冲电压极性p以及沿面距离d三个变量各自的取值范围内对其进行全遍历，枚举三个变量的所有取值组合，并在所有取值组合下分别进行闪络实验，获得每个取值组合下的闪络电压u和闪络时延；将每个取值组合下对应的脉冲电压上升时间tr、脉冲电压极性p、沿面距离d、闪络电压u以及闪络时延作为一组闪络时延样本；

27、步骤2，对所有取值组合下的闪络时延样本分别进行归一化处理，并将归一化处理后的闪络时延样本以组为单位按预设比例划分为训练数据集和测试数据集；

28、步骤3，将训练数据集随机划分为k个样本数量均等且互斥的子集，k≥3，并采用k折交叉验证的方式开展迭代训练；单折迭代训练过程为：将其中一个子集作为验证集，将剩余k-1个子集的并集作为训练集；将训练集的数据输入mlp模型中，经前向传播运算得到预测闪络时延，随后通过复合损失函数计算模型损失，并通过反向传播更新模型内部参数；

29、单折内每轮迭代训练完成后，利用验证集评估mlp模型输出的预测闪络时延的误差，并判断误差连续不再下降的轮次是否达到预设阈值或迭代轮次是否达到最大轮次限制，若是，则完成当前折的迭代训练，进行下一折的迭代训练，否则继续当前折的迭代训练，直至误差连续不再下降的轮次达到预设阈值；

30、记录每一折迭代训练完成时mlp模型的均方根误差和决定系数，进而求取k折迭代训练完成时mlp模型的平均均方根误差、平均决定系数以及均方根误差的标准差，并将其作为mlp模型的性能估计；

31、步骤4，选择k折交叉验证中综合平均性能最优的一组模型超参数，采用步骤2的训练数据集重新进行训练，并采用测试数据集进行泛化性能验证，验证合格后获得训练完成的mlp模型；

32、步骤5，遍历闪络电压u的取值区间，将不同取值的闪络电压u以及目标脉冲电压上升时间tr、目标脉冲电压极性p、目标沿面距离d分别输入训练完成的mlp模型中，使mlp模型输出不同闪络电压u下的预测闪络时延；

33、步骤6，伏秒特性预测模块根据不同闪络电压u下的预测闪络时延，生成伏秒特性曲线，完成基于mlp模型的伏秒特性预测。

34、进一步地，步骤2中，所述归一化处理为min-max归一化处理。

35、进一步地，步骤2中，所述预设比例为7:3。

36、进一步地，步骤3中，误差连续不再下降的标准为误差连续下降小于0.0001；

37、所述预设阈值为10。

38、与现有技术相比，本发明具有的有益技术效果如下：

39、1、本发明提供的一种基于mlp模型的伏秒特性预测系统，将经反比例经验公式推导出的理论闪络时延融入损失函数中，实现mlp模型的软约束，即采用数据拟合损失项和基于反比例经验公式的约束损失项的复合损失函数在mlp模型的迭代训练过程中进行反向传播；该设计有效融入了已知的闪络物理规律，实现了数据拟合精度与物理规律一致性的平衡，大大提高了mlp模型在小样本场景下或极端工况下的预测精度。

40、2、本发明提供的一种基于mlp模型的伏秒特性预测系统，在保证预测精度的前提下，不仅减少了50%以上的物理实验次数，还缩短了伏秒特性的获取周期，大大降低了实验成本。

41、3、本发明提供的一种基于mlp模型的伏秒特性预测系统，仅需调整a、b两个待拟合系数，即可适配不同类型高电压设备（如gis、变压器等）的伏秒特性预测，不局限于脉冲功率领域，适用性广。

42、4、本发明提供的一种基于mlp模型的伏秒特性预测系统，在采用反比例经验公式构建mlp模型软约束的前提下，采用指数衰减退火策略在mlp模型的迭代训练过程中对正则化系数进行动态化调整，可以在训练初期进行物理约束，引导mlp模型快速收敛，并在训练后期进行数据优化，释放mlp模型的表达能力，从而有效避免mlp模型过拟合或脱离物理规律的现象。

43、5、本发明提供的一种基于mlp模型的伏秒特性预测方法，操作简单，所需物理实验次数少，且大大缩短了预测周期，可广泛应用于各类绝缘材料的伏秒特性预测中。