基于有限元仿真进行绝缘子几何与材料参数优化的方法与流程

1.本发明属于电力设备绝缘子结构和材料参数设计技术领域，具体涉及一种基于有限元仿真进行绝缘子几何与材料参数优化的方法。


背景技术：

2.绝缘子输电线路和各种电器设备中通过玻璃或者陶瓷结构增加爬电距离起到绝缘作用。绝缘子种类繁多，形状各异。输电主线路常用绝缘子包括瓷/玻璃盘型悬式绝缘子、复合绝缘子、涂覆rtv盘型悬式绝缘子等，其结构一般由绝缘子瓷件、钢帽子和钢脚组成。绝缘子的结构分外形(伞型)和内部结构，其中外形与外绝缘特性相关，内部结构与内绝缘的安全相关。
3.在绝缘子实际服役中，雨水、鸟粪等污秽环境使其频频发生闪络现象，严重影响电力设备的安全稳定运行。现有解决方案大多通过改变绝缘子结构，如伞裙半径，形状、倾斜角度、材料等参数，或改变绝缘子材料属性，以实现爬电距离大，绝缘性能优秀的目的。然而传统的设计方法需要大量工程实验验证，因此大实验量、高成本、长周期成为了绝缘子优化设计的一大痛点。
4.专利文献cn115128407a公开了基于鸟粪污染下的v型绝缘子串闪络故障模拟方法，涉及输电线路维护技术领域，建立环境模型，然后模拟v型绝缘子串的实际运行状况和鸟粪的下落状态，设置模型参数，从而模拟鸟粪下落过程空间电场变化以致其发生闪络故障的情况，为v型绝缘子串的故障溯源与优化设计提供理论依据；该专利文献的模拟方法充分考虑了v型绝缘子串的实际结构，且在模拟过程中，不仅针对v型绝缘子串本身，对于其周围立体空间和表面因长期运行积累的湿污秽均进行了建模和仿真计算，计算精度高，充分考虑了各类影响因素。但是，该专利的方法只针对v型绝缘子串在湿污秽环境下的鸟粪闪络问题进行的故障溯源，在模型参数优化方面无法做到满足绝缘子串的多环境性能要求，同时，该专利方法的参数化溯源计算过程采用有限元方法，计算速度很慢，无法满足产品快速迭代设计的要求。
5.专利文献cn115577558a公开了一种基于comsol的220kv空心瓷绝缘子伞形优化方法，包括以下步骤：s1.设定空心瓷绝缘子的几何参数；s2.将几何参数导入comsol软件中建立空心瓷绝缘子的仿真模型；s3.将空心瓷绝缘子的伞形进行网格划分形成若干个网格单元；s4.设置电场分布的电压边界条件，通过comsol软件向空心瓷绝缘子的仿真模型施加电压；s5.计算每一个网格单元的电场分布指标，并基于每个网格单元的电场分布指标确定出整个空心瓷绝缘子仿真模型的电场分布指标；s6.调整空心瓷绝缘子的伞裙参数，返回步骤s2中；s7.判断空心瓷绝缘子的几何参数调整次数是否达到设定值，如是，则进入步骤s8；s8.在多次仿真中选择最优电场分布指标所对应的空心瓷绝缘子的几何参数作为最优参数。但是，该专利的方法只针对绝缘子的伞裙参数开展了参数优化，未能从材料方面参数开展优化计算，同时，该专利的优化过程也是采用有限元方法，计算优化效率低。


技术实现要素：

6.本发明旨在针对现有技术中存在的技术问题，提供一种基于有限元仿真进行绝缘子几何与材料参数优化的方法，针对特定服役环境开发新型结构或材料的绝缘子，通过有限元电场仿真，直观获取绝缘子结构优化带来的绝缘性能改变，同时基于神经网络深度学习构建神经网络预测模型，对绝缘子的几何参数与材料参数进行优化设计，计算效率高、结果可靠，显著降低设计周期和研发成本。
7.为实现以上技术目的，本发明采用以下技术方案：
8.一种基于有限元仿真进行绝缘子几何与材料参数优化的方法，所述方法包括如下步骤：
9.步骤s1：明确绝缘子服役设计指标，提取绝缘子的绝缘性能需满足的特征参数，作为后续仿真步骤的激励条件；
10.步骤s2：确定模型参数，包括绝缘子需要优化的几何结构参数、材料介电常数参数和污秽参数；
11.步骤s3：几何建模；
12.基于结构设计，使用三维绘图软件建立绝缘子的三维几何模型，并将三维几何模型导入到有限元分析软件中；
13.步骤s4：为模型赋予材料属性；
14.步骤s5：网格剖分；
15.步骤s6：仿真计算；
16.采用有限元静电场实现绝缘子参数化模型仿真分析，获取绝缘子表面和周围的场强分布；
17.步骤s7：建立仿真数据集；
18.根据绝缘子有限元分析模型中可优化的结构或材料参数，参数化扫描、仿真计算得到绝缘子定点表面最大场强值，从而得到仿真数据集；
19.步骤s8：优化预测；
20.通过最小-最大标准化的方式对各个材料参数、整体模型几何参数进行加权和归一化处理，然后基于神经网络的深度学习软件，建立含有输入层、隐含层、输出层的神经网络预测模型；
21.根据步骤s7获得的仿真数据集，进行神经网络预测模型训练；完成后，向神经网络预测模型中输入绝缘子待优化参数数据，即可得到对应参数下的预测数据。
22.进一步地，在步骤s1中，提取的特征参数至少包括：在指定的污秽条件下，绝缘子的干电弧距离、工频干闪络电压、工频湿闪络电压和低频击穿电压。
23.进一步地，在步骤s2中，所述几何结构参数至少包括绝缘子总高度、铁脚直径、爬电距离、金属嵌件深度和上、中、下伞裙直径；
24.所述污秽参数至少包括绝缘子表面污秽的分布位置和几何尺寸。
25.进一步地，所述步骤s4具体包括：根据绝缘子实际材料物性，赋予绝缘子结构中各材料的相对介电常数和电导率。
26.更进一步地，在步骤s4中，赋予绝缘子结构中各材料的相对介电常数和电导率，所述材料至少包括绝缘子伞裙、屏蔽环、钢脚、钢帽、污秽、空气和雨水。
27.进一步地，所述步骤s5具体包括：
28.针对模型设置网格剖分参数，创建四面体网格；
29.所述网格剖分参数包括：最大单元尺寸、最小单元尺寸、精细度、单元类型、是否近边加密、是否优化网格。
30.更进一步地，所述步骤s5中的网格剖分根据专业软件默认进行整体剖分，或者根据需求对绝缘子模型的不同结构进行网格剖分。
31.进一步地，在步骤s6中，静电场有限元求解的基本方程为：
[0032][0033]
上式中，ε为材料的介电常数，ρ为电荷密度，φ为电位能。
[0034]
进一步地，在步骤s7中，所述数据集的输入变量为绝缘子的待优化参数，输出变量为绝缘子表面最大电场强度。
[0035]
更进一步地，在步骤s8中，根据步骤s7获得的仿真数据集，进行神经网络预测模型训练，具体包括：
[0036]
根据步骤s7获得的仿真数据集，进行神经网络预测模型训练，输入集为步骤s7中的输入变量，输出集为步骤s7中的输出变量，网络选用s型传递函数，通过反传误差函数不断调节网络权值和阈值使反传误差函数e达到最小。
[0037]
更进一步地，所述s型传递函数为：
[0038][0039]
所述反传误差函数e为：
[0040][0041]
上式中，ti为期望输出、oi为网络的计算输出。
[0042]
与现有技术相比，本发明所产生的有益效果是：
[0043]
(1)本发明通过有限元电场仿真，可以直观获取绝缘子结构优化带来的绝缘性能改变，同时基于神经网络深度学习构建神经网络预测模型，对绝缘子的几何参数与材料参数进行优化设计，可快速获取绝缘子的电场强度等电气性能，解决了工程实验成本高、设计周期长的痛点，显著降低绝缘子的设计周期和成本，为电力系统中其他器件的优化设计提供了理论参考；
[0044]
(2)本发明中的电场有限元仿真，绝缘子总高度、铁脚直径、金属嵌件深度，上中下伞裙直径、绝缘材质相对介电常数等均可参数化，可优化的参数体量大，相比于控制单一变量的工程实验探究，本发明中的有限元仿真模型可通过参数化扫描，综合考虑结构参数和材料参数对绝缘子绝缘性能的影响，对模型的多个参数变量同时进行求解，从而得出各参数对模型结果的影响，从中寻求最优的设计方案；
[0045]
(3)本发明的神经网络预测模型，通过对绝缘子的各个几何参数与材料参数进行加权和归一化处理，能够提高模型的精度；基于仿真数据集进行神经网络深度学习，能够提高模型的预测准确度；在进行绝缘子参数优化设计时，只需向模型中输入待优化参数即可得到预测数据，整个模型计算效率高、结果可靠，可实现快速、批量的参数化优化计算，甚至
能达到实时计算的要求，能够快速、精准地实现绝缘子参数优化设计迭代，显著缩短设计周期，降低研发成本，同时，为绝缘子的优化设计提供了更多的数据支撑。
附图说明
[0046]
图1为本发明实施例的方法流程图；
[0047]
图2为本发明实施例的三维几何模型示意图；
[0048]
图3为本发明实施例三维几何模型的材料分布情况示意图；
[0049]
图4为本发明实施例的主体网格结构示意图；
[0050]
图5为本发明实施例的神经网络预测模型示意图。
具体实施方式
[0051]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0052]
实施例1
[0053]
结合图1所示，本发明实施例提供了一种基于有限元仿真进行绝缘子几何与材料参数优化的设计方法。所述方法包括如下步骤：
[0054]
步骤s1：确定设计指标；
[0055]
明确绝缘子服役指标，提取出绝缘子的绝缘性能需满足的特征参数，作为后续仿真步骤的激励条件。
[0056]
其中，所述特征参数包括：在指定的污秽条件下，绝缘子的干电弧距离、工频干闪络电压、工频湿闪络电压、低频击穿电压等。
[0057]
步骤s2：确定模型参数；
[0058]
确定绝缘子需要优化的几何结构参数、材料介电常数参数、污秽参数，具体对绝缘子总高度、铁脚直径、爬电距离、金属嵌件深度，上中下伞裙直径、表面污秽的分布和尺寸等均可进行参数化。
[0059]
步骤s3：几何建模；
[0060]
基于结构设计，使用三维绘图软件建立绝缘子的三维几何模型，并将三维几何模型导入到有限元分析软件中。
[0061]
步骤s4：为模型赋予材料属性；
[0062]
根据绝缘子实际材料物性，赋予绝缘子结构中绝缘子伞裙、屏蔽环、钢脚、钢帽、污秽、空气、雨水等材料的相对介电常数和电导率。
[0063]
步骤s5：网格剖分；
[0064]
建立四面体网格，生成网格前设置网格的最大、最小单元尺寸，精细度，单元类型，是否近边加密，是否优化网格。
[0065]
该步骤可根据专业软件默认进行整体剖分，也可根据需求对绝缘子不同结构进行网格剖分。
[0066]
步骤s6：仿真计算；
[0067]
采用有限元静电场实现绝缘子参数化模型仿真分析，获取绝缘子表面和周围的场强分布。
[0068]
其中，静电场有限元求解的基本方程为：
[0069][0070]
上式(1)中，ε为材料的介电常数，ρ为电荷密度，φ为电位能。
[0071]
步骤s7：建立仿真数据集；
[0072]
根据绝缘子有限元分析模型中可优化的结构或材料参数，参数化扫描、仿真计算得到绝缘子定点表面最大场强值，从而得到大量仿真数据集。该数据集的输入变量为绝缘子的待优化参数，输出变量为绝缘子表面最大电场强度。
[0073]
步骤s8：优化预测；
[0074]
通过最小-最大标准化的方式对各个材料参数、整体模型几何参数进行加权和归一化处理，然后基于神经网络的深度学习软件，建立含有输入层、隐含层、输出层的神经网络预测模型；
[0075]
根据步骤s7获得的仿真数据集，进行神经网络预测模型训练；输入集为步骤s7中的输入变量，输出集为步骤s7中的输出变量，网络选用s型传递函数，通过反传误差函数不断调节网络权值和阈值使反传误差函数e达到最小。
[0076]
其中，所述s型传递函数为：
[0077][0078]
所述反传误差函数e为：
[0079][0080]
上式(3)中，ti为期望输出、oi为网络的计算输出。
[0081]
所述神经网络预测模型训练完成后，向其中输入绝缘子待优化参数数据，即可得到预测数据。
[0082]
实施例2
[0083]
为进一步说明本发明基于有限元仿真进行绝缘子几何与材料参数优化的设计方法，本实施例以三伞绝缘子的为材料参数优化设计例，详细说明其优化设计过程，具体包括如下步骤：
[0084]
步骤s1：设计指标；
[0085]
明确三伞绝缘子的设计指标和服役工况条件。在本实施例中，三伞绝缘子服役的电压为55kv，同时需要满足绝缘材质场强低于空气击穿场强30kv/cm。
[0086]
步骤s2：确定模型参数；
[0087]
在本实施例中，待优化参数为三伞绝缘子中伞裙陶瓷材料，通过介电常数变化代表不同材料的伞裙，此处将介电常数进行参数化，分别是6、7、8、9。
[0088]
步骤s3：几何建模；
[0089]
通过三维绘图软件创建几何模型，并将三维几何模型导入到有限元分析软件中，最终几何模型如图2所示。
[0090]
在本实施例中，仅考虑材料属性对绝缘子电气性能的影响，所以仅需构建一个几
何结构。
[0091]
步骤s4：为模型赋予材料属性；
[0092]
本实施例中三伞绝缘子的材料包括钢、水泥胶合剂和陶瓷，其三维几何模型的材料分布情况如图3所示。同时，各个材料的电导率和相对介电常数如下表1所示：
[0093]
表1三伞绝缘子各个材料的电导率和相对介电常数
[0094]
材料电导率(s/m)相对介电常数钢1e
10
1.1e7陶瓷1e-12
6、7、8、9水泥胶合剂1e-128[0095]
步骤s5：网格剖分；
[0096]
在仿真软件中对三伞绝缘子进行四面体网格剖分，如图4所示。选择整体剖分，设置网格的最大尺寸1000mm、最小单元尺寸0mm，精细度中等，近边加密，并优化网格。最后完成模型的网格剖分，网格总量约5w。
[0097]
步骤s6：仿真计算；
[0098]
选择静电场分析类型，设置模型分数为1。根据设计指标施加激励条件：钢脚处施加55kv电位，钢帽为接地零电位。为了有限元计算收敛，需要构建空气域，并且空气域外表面设置为开放边界。
[0099]
步骤s7：建立仿真数据集；
[0100]
在本实施中，对陶瓷材质相对介电常数进行参数化扫描，因此需要分别仿真对应结果，重点关注伞裙表面的最大电场强度。通过有限元方法进行三维静电场的参数化仿真分析，得到不同参数下三伞绝缘子中表面最大场强值，并形成仿真数据集，如下表2所示。
[0101]
表2不同参数下三伞绝缘子中表面最大场强值
[0102][0103]
由表2中浓度数据可知，通过仿真，在不改变几何模型的条件下，陶瓷的相对介电常数需要大于8，才不会发生空气击穿。这一数据对设计优化具有指导意义。
[0104]
步骤s8：优化预测；
[0105]
通过最小-最大标准化的方式对各个材料参数、整体模型几何参数进行加权和归一化处理，然后建立如图5所示的bp神经网络模型，包含输入层、隐含层、输出层三层网络，输入层节点数为4，输出层节点数1，隐含层节点数为6。
[0106]
网络的学习算法采用lm算法；输入层到隐含层采用s型函数作为传递函数，隐含层到输出层使用线性函数；并设置训练次数200次，学习率0.01，收敛标准0.0001。
[0107]
训练完成后，获得该三伞绝缘子的训练后的神经网络预测模；根据该训练后的神经网络预测模型，向其中输入待优化参数，便可快速计算其他参数组合下的三伞绝缘子性能，最终实现该三伞绝缘子性能的预测，为其优化设计提供更丰富可靠的数据。
[0108]
以上所述仅为本发明的实施例而已，并不用以限制本发明。凡在本发明的申请范围内所做的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于有限元仿真进行绝缘子几何与材料参数优化的方法，其特征在于，所述方法包括如下步骤：步骤s1：明确绝缘子服役设计指标，提取绝缘子的绝缘性能需满足的特征参数，作为后续仿真步骤的激励条件；步骤s2：确定模型参数，包括绝缘子需要优化的几何结构参数、材料介电常数参数和污秽参数；步骤s3：几何建模；基于结构设计，使用三维绘图软件建立绝缘子的三维几何模型，并将三维几何模型导入到有限元分析软件中；步骤s4：为模型赋予材料属性；步骤s5：网格剖分；步骤s6：仿真计算；采用有限元静电场实现绝缘子参数化模型仿真分析，获取绝缘子表面和周围的场强分布；步骤s7：建立仿真数据集；根据绝缘子有限元分析模型中可优化的结构或材料参数，参数化扫描、仿真计算得到绝缘子定点表面最大场强值，从而得到仿真数据集；步骤s8：优化预测；通过最小-最大标准化的方式对各个材料参数、整体模型几何参数进行加权和归一化处理，然后基于神经网络的深度学习软件，建立含有输入层、隐含层、输出层的神经网络预测模型；根据步骤s7获得的仿真数据集，进行神经网络预测模型训练；完成后，向神经网络预测模型中输入绝缘子待优化参数数据，即可得到对应参数下的预测数据。2.根据权利要求1所述的方法，其特征在于，在步骤s1中，提取的特征参数至少包括：在指定的污秽条件下，绝缘子的干电弧距离、工频干闪络电压、工频湿闪络电压和低频击穿电压。3.根据权利要求1所述的方法，其特征在于，在步骤s2中，所述几何结构参数至少包括绝缘子总高度、铁脚直径、爬电距离、金属嵌件深度和上、中、下伞裙直径；所述污秽参数至少包括绝缘子表面污秽的分布位置和几何尺寸。4.根据权利要求1所述的方法，其特征在于，所述步骤s4具体包括：根据绝缘子实际材料物性，赋予绝缘子结构中各材料的相对介电常数和电导率。5.根据权利要求4所述的方法，其特征在于，在步骤s4中，赋予绝缘子结构中各材料的相对介电常数和电导率，所述材料至少包括绝缘子伞裙、屏蔽环、钢脚、钢帽、污秽、空气和雨水。6.根据权利要求1所述的方法，其特征在于，所述步骤s5具体包括：针对模型设置网格剖分参数，创建四面体网格；所述网格剖分参数包括：最大单元尺寸、最小单元尺寸、精细度、单元类型、是否近边加密、是否优化网格。7.根据权利要求6所述的方法，其特征在于，所述步骤s5中的网格剖分根据专业软件默
认进行整体剖分，或者根据需求对绝缘子模型的不同结构进行网格剖分。8.根据权利要求1所述的方法，其特征在于，在步骤s6中，静电场有限元求解的基本方程为：上式中，ε为材料的介电常数，ρ为电荷密度，φ为电位能。9.根据权利要求1所述的方法，其特征在于，在步骤s7中，所述数据集的输入变量为绝缘子的待优化参数，输出变量为绝缘子表面最大电场强度。10.根据权利要求9所述的方法，其特征在于，在步骤s8中，根据步骤s7获得的仿真数据集，进行神经网络预测模型训练，具体包括：根据步骤s7获得的仿真数据集，进行神经网络预测模型训练，输入集为步骤s7中的输入变量，输出集为步骤s7中的输出变量，网络选用s型传递函数，通过反传误差函数不断调节网络权值和阈值使反传误差函数e达到最小。11.根据权利要求10所述的方法，其特征在于，所述s型传递函数为：所述反传误差函数e为：上式中，t
i
为期望输出、o
i
为网络的计算输出。

技术总结
本发明属于电力设备绝缘子结构和材料参数设计技术领域，公开了一种基于有限元仿真进行绝缘子几何与材料参数优化的方法，包括：S1：明确设计指标，提取特征参数；S2：确定模型参数；S3：几何建模；S4：赋予模型材料属性；S5：网格剖分；S6：仿真计算绝缘子表面和周围场强分布；S7：参数化扫描仿真计算，建立仿真数据集；S8：优化预测；通过最小-最大标准化方式对各参数进行加权和归一化处理，建立神经网络预测模型；根据仿真数据集训练网络，训练完成，输入绝缘子待优化参数数据即可得到预测数据。本发明能针对特定服役环境对绝缘子几何、材料参数进行优化设计，计算效率高、结果可靠，设计周期和研发成本低。研发成本低。研发成本低。


技术研发人员：陈维 王锋 刘锋 陈振勇 张航 杨瑞 刘康 张广东 吴天存 王翼虎 王海龙 姚永亮 王磊
受保护的技术使用者：国网甘肃省电力公司
技术研发日：2023.06.16
技术公布日：2023/8/13