基于物理信息神经网络的多材料电热耦合场确定方法和装置

本发明属于电热耦合场确定领域，具体涉及一种基于物理信息神经网络的多材料电热耦合场确定方法、装置、终端和计算机可读存储介质。

背景技术：

1、电气设备由于其运行环境，电热现象显著。电热耦合场是指，电气设备运行过程中电场与热场之间存在相互作用的现象。具体而言，电气设备在运行的过程中其内部电流会产生焦耳热，其作为热源耦合进热场影响温度的分布，由于材料电导率等参数通常是关于温度的非线性函数，因此热场内温度分布会影响材料参数，进而影响电场内电势的分布。计算电热耦合场对于电力设备的结构优化、规律分析等应用具有重要意义。

2、电热耦合场的计算涉及两个物理场，物理场之间存在数据传递。与单个物理场相比，电热耦合场分析需要考虑电场和热场的相互作用，计算电热耦合场更为复杂。此外，电气设备可能涉及复杂的几何结构且其中通常包含多个材料区域，而每种材料的电热特性，如导热系数、电导率等往往受到温度等因素的影响。因此，针对多个区域的电热耦合场的计算具有较大的挑战。

3、目前通常采用有限元法等方法来计算电热耦合场，该方法包括将连续的问题离散化(网格剖分)为许多小区域(单元)，采用形函数来近似每个单元内部的物理场变化。然而，有限元法对网格质量的要求较高。当网格发生畸变或质量不佳时，计算精度会急剧下降甚至无法计算；同时，由于电气设备可能涉及复杂的几何结构且包含多个材料区域，此时在进行电热耦合分析时，进行高质量网格的剖分具有较大的挑战且会导致网格的节点与单元数量急剧增加即出现维度灾难，这会极大增加计算成本与存储需求。

4、因此，需要进一步改进计及多材料区域的电热耦合场的确定方法。

技术实现思路

1、为解决现有技术中存在的不足，本发明提供一种基于物理信息神经网络的多材料电热耦合场确定方法、装置、终端和计算机可读存储介质，以有效实现计及多材料区域的电热耦合场的确定。

2、本发明采用如下的技术方案。

3、根据本发明的第一方面，提供一种基于物理信息神经网络的多材料电热耦合场确定方法。该方法包括如下步骤：

4、(1)针对包括待计算电热耦合场的多个材料区域的电气设备，获取所述多个材料区域的数据；

5、(2)基于物理信息神经网络分别构建电场网络和热场网络；所述电场网络包括各个材料区域对应的电场子网络，所述热场网络包括各个材料区域对应的热场子网络；

6、(3)基于材料区域交界处的连续性方程以及电热耦合场控制方程，分别构建各个电场子网络的电场损失函数和各个热场子网络的热场损失函数，以确定电场网络的总体损失函数和热场网络的总体损失函数；

7、(4)基于获取的所述多个材料区域的数据，以电场网络的总体损失函数最小为目标对电场网络进行训练；

8、(5)利用训练好的电场网络根据焦耳定律得到焦耳热，将所述焦耳热作为热源，基于所述热源和获取的所述多个材料区域的数据，以热场网络的总体损失函数最小为目标对热场网络进行训练；

9、(6)根据训练好的电场网络和热场网络，分别得到电热耦合场的电势分布与温度分布。

10、进一步的，所述多个材料区域的数据包括：各个材料区域的尺寸、材料的电导率和热导率以及3种不同位置处的多个采样点的位置数据、电势数据和温度数据；所述3种不同位置包括：相邻材料区域的区域交界处、电热耦合场边界处以及各个材料区域内部。

11、进一步的，步骤(3)具体包括：

12、(31)针对区域交界处的采样点，根据材料区域交界处的连续性方程，构建各个电场子网络的电场交界处损失函数和各个热场子网络的热场交界处损失函数；

13、(32)针对电热耦合场边界处的采样点，根据电热耦合场控制方程以及电热耦合场边界处多个采样点的位置数据、电势数据和温度数据，分别构建电场子网络的电场边界处残差损失函数和热场子网络的热场边界处残差损失函数；

14、(33)针对各个材料区域内部的采样点，根据电场控制方程和热场控制方程，分别构建各个电场子网络的电场内部采样点损失函数和各个热场子网络的热场内部采样点损失函数；

15、(34)根据各个电场子网络的电场交界处损失函数、电场边界处残差损失函数和电场内部采样点损失函数，构建电场网络的总体损失函数；根据各个热场子网络的热场交界处损失函数、热场边界处残差损失函数和热场内部采样点损失函数，构建热场网络的总体损失函数。

16、进一步的，步骤(31)包括：对于相邻的第n个材料区域和第n+1个材料区域，将第n个材料区域对应的第n个电场子网络在第n和第n+1个材料区域的电场交界处损失函数以及第n个材料区域对应的第n个热场子网络在第n和第n+1个材料区域的热场交界处损失函数分别构建为：

17、

18、式中，与分别为第n个电场子网络的电场交界处损失函数与第n个热场子网络的热场交界处损失函数；与分别表示第n个电场子网络与第n个热场子网络，在区域交界处的采样点个数；与分别表示第n个电场子网络与第n+1个电场子网络，在区域交界处的第i个采样点的电势预测值；与分别表示第n个电场子网络与第n+1个电场子网络，在区域交界处的第i个采样点的电势预测值关于界面法向方向的一阶偏导数；与分别表示第n个热场子网络与第n+1个电场子网络，在区域交界处的第i个采样点的温度预测值；与分别表示第n个热场子网络与第n+1个电场子网络，在第i个采样点的温度预测值关于界面法向方向的一阶偏导数；σn表示第n个电场子网络对应的第n个材料区域的电导率，σn+1表示第n+1个电场子网络对应的第n+1个材料区域的电导率；kn表示第n个热场子网络对应的材料区域的热导率，kn+1表示第n+1个热场子网络对应的材料区域的热导率。

19、进一步的，步骤(32)包括：

20、将第n个电场子网络对应的电场边界处残差损失函数与第n个热场子网络对应的热场边界处残差损失函数分别构建为：

21、

22、和分别表示第n个电场子网络对应的边界处的采样点个数以及第n个热场子网络对应的边界处采样点个数；和uj分别表示第n个电场子网络在对应的电场边界处的第j个采样点的电势预测值和实际电势值；

23、和tj分别表示第n个热场子网络在对应的热场边界处的第j个采样点的温度预测值和实际温度值。

24、进一步的，步骤(33)包括：

25、将第n个电场子网络的电场内部采样点损失函数与第n个热场子网络的内部采样点损失函数分别构建为：

26、

27、

28、和分别表示第n个电场子网络和第n个热场子网络对应的内部采样点个数；表示第n个电场子网络在对应的第n个材料区域内部的第i个采样点的电势预测值；表示第n个热场子网络在对应的第n个材料区域内部的第i个采样点的温度预测值；σn表示第n个材料区域的电导率；kn表示第n个材料区域的热导率；表示第n个热场子网络中第i个采样点的焦耳热值。

29、进一步的，步骤(34)中，

30、所述电场网络的总体损失函数表示为：

31、

32、所述热场网络的总体损失函数表示为：

33、

34、式中，与分别表示电场网络总体监督损失和热场网络总体监督损失，二者分别由各电场子网络的电场边界处残差损失函数与各热场子网络的热场边界处残差损失函数求和计算得到；与分别表示电场网络总体无监督损失和热场网络总体无监督损失，由各电场子网络的电场内部采样点损失函数以及电场交界处损失函数求和计算得到，由各热场子网络的热场内部采样点损失函数以及热场交界处损失函数求和计算得到；表示电场网络总体监督损失的权重；表示电场网络总体无监督损的权重；表示热场网络总体监督损失的权重；表示热场网络总体无监督损失的权重。

35、进一步的，步骤(5)中，对于所述多个材料区域内的任一位置，所述焦耳热表示为：

36、qj＝e·(σe)，

37、其中，qj表示该任一位置处的焦耳热，e表示利用训练好的电场网络得到的该任一位置处的电场强度，σ表示该任一位置处的电导率。

38、根据本发明的第二方面，提供一种利用本发明第一方面所述方法的基于物理信息神经网络的多材料电热耦合场确定装置。该装置包括：

39、数据获取模块，用于针对包括待计算电热耦合场的多个材料区域的电气设备，获取所述多个材料区域的数据；

40、网络构建模块，用于基于物理信息神经网络分别构建电场网络和热场网络；所述电场网络包括各个材料区域对应的电场子网络，所述热场网络包括各个材料区域对应的热场子网络；

41、损失确定模块，用于基于材料区域交界处的连续性方程、电场和热场控制方程，分别构建各个电场子网络的电场损失函数和各个热场子网络的热场损失函数，以确定电场网络的总体损失函数和热场网络的总体损失函数；

42、电场训练模块，用于基于获取的所述多个材料区域的数据，以电场网络的总体损失函数最小为目标对电场网络进行训练；

43、热场训练模块，用于利用训练好的电场网络根据焦耳定律得到焦耳热，将所述焦耳热作为热源，基于所述热源和获取的所述多个材料区域的数据，以热场网络的总体损失函数最小为目标对热场网络进行训练；

44、输出模块，用于根据训练好的电场网络和热场网络，分别得到电热耦合场的电势分布与温度分布。

45、根据本发明的第三方面，提供一种终端。该终端包括处理器及存储介质。所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行根据本发明第一方面所述方法的步骤。

46、根据本发明的第四方面，提供一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现根据本发明第一方面所述方法的步骤。

47、本发明的有益效果在于，与现有技术相比，采用了物理信息神经网络来构建电场网络和热场网络，其中该电场网络包括各个材料区域对应的电场子网络，该热场网络包括各个材料区域对应的热场子网络；根据材料区域交界处的连续性方程以及电场和热场控制方程，分别构建各个电场子网络的电场损失函数和各个热场子网络的热场损失函数，以确定电场网络的总损失和热场网络的总损失；基于获取的各个材料区域的数据，以电场网络的总损失最小为目标对电场网络进行训练；并利用训练好的电场网络根据焦耳定律得到焦耳热，将所述焦耳热作为热源，基于所述热源和获取的各个材料区域的数据，以热场网络的总损失最小为目标对热场网络进行训练，以实现计及多材料区域的电热耦合场的确定。与有限元等传统的数值方法相比，其无需进行网格划分，且能够利用自动微分计算数值解的梯度，避免了由于网格剖分失败或者网格质量不高而导致的无法计算的问题，且在处理高维问题中具有显著优势。