CN111443319B - 一种高电压试验中大气校正因数的计算方法及装置 - Google Patents

Abstract

本发明公开了一种高电压试验中大气校正因数的计算方法及装置，使用空气流注传播速度代替了IEC 60060‑1：2010标准中试验电压类型这一参数，实现了将试验电压类型由非连续变量转换为连续变量的空气流注传播速度，使得影响大气校正因数的所有参数均为连续变量，从而可以采用神经网络模型对大气校正因数的计算过程进行拟合，得到大气校正因数确定模型，通过将高电压试验中的空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度输入至大气校正因数确定模型，得到对应的大气校正因数。采用本发明无需考虑空气湿度与空气密度的比值的取值范围，因此可以计算当h/δ超出标准给定范围时的大气校正因数。

Description

一种高电压试验中大气校正因数的计算方法及装置

技术领域

本发明涉及高电压试验技术领域，更具体的说，涉及一种高电压试验中大气校正因数的计算方法及装置。

背景技术

目前，在进行高电压试验时，需要进行大气校正因数的计算，通过大气校正因数，可以将在试验条件下(温度t、压力p、湿度h)测得的破坏性放电电压值换算到标准参考大气条件下(温度t₀、压力p₀、湿度h₀)，然后再对标准参考大气条件下的电压值进行海拔修正，一般是乘以一个海拔修正系数。

现有技术中，虽然IEC 60060-1：2010标准(也即g参数法)提供了一种大气校正因数的计算方法，但是标准只给出了空气湿度与空气密度的比值(h/δ)在一定范围内的计算公式，对于不同的电压类型(包括：交流、直流和冲击)，当h/δ超出标准给定范围时，暂时没有相应的计算方法，此时将无法进行大气校正。

发明内容

有鉴于此，本发明公开一种高电压试验中大气校正因数的计算方法及装置，以实现在计算大气校正因数时，无需考虑空气湿度与空气密度的比值的取值范围，从而可以计算当h/δ超出标准给定范围时的大气校正因数。

一种高电压试验中大气校正因数的计算方法，包括：

获取高电压试验中的第一试验参数，所述第一试验参数包括：试验电压类型、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度；

将所述试验电压类型转化为所述试验电压类型下的空气流注传播速度；

将所述空气流注传播速度、所述试验电压值、所述最短绝缘距离、所述大气压力、所述大气温度和所述相对空气湿度，确定为第二试验参数，将所述第二试验参数作为大气校正因数确定模型的输入值，输入至所述大气校正因数确定模型，得到大气校正因数；

其中，所述大气校正因数确定模型为，以不同电压等级的高电压试验中，不同的高压电器产品的所述第二试验参数作为训练样本，以所述第二试验参数对应的大气校正因数为样本标签进行训练得到。

可选的，所述将所述试验电压类型转化为所述试验电压类型下的空气流注传播速度，具体包括：

将所述试验电压类型通过空气间隙放电试验得到所述试验电压类型下的空气流注传播速度。

可选的，训练得到所述大气校正因数确定模型的过程具体包括：

对不同电压等级的高压试验中，不同的高压电器产品的所述第一试验参数，采用IEC 60060-1：2010标准计算得到在不同电压等级下的大气校正因数；

将每一个高压电器产品的所述第一试验参数中的试验电压类型，转化为相对应的空气流注传播速度，得到每一个高压电器产品的所述第二试验参数；

建立一个含有两个隐含层的神经网络模型作为初始大气校正因数确定模型，所述隐含层的神经元的激活函数采用ReLU激活函数；

以不同电压等级的高电压试验中，不同的高压电器产品的所述第二试验参数作为训练样本，以所述第二试验参数对应的大气校正因数为样本标签，利用梯度下降法对所述初始大气校正因数确定模型进行训练，得到所述大气校正因数确定模型。

可选的，还包括：

对所述大气校正因数确定模型采用损失函数进行校正，得到校正后的大气校正因数确定模型。

可选的，所述损失函数包括：

均方误差函数，所述损失函数COST的表达式如下：

式中，n为训练样本总数量，

为采用所述大气校正因数确定模型计算得到的大气校正因数，

为采样所述IEC 60060-1：2010标准计算得到的大气校正因数，i第i个训练样本。

一种高电压试验中大气校正因数的计算装置，包括：

获取单元，用于获取高电压试验中的第一试验参数，所述第一试验参数包括：试验电压类型、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度；

转换单元，用于将所述试验电压类型转化为所述试验电压类型下的空气流注传播速度；

输入单元，用于将所述空气流注传播速度、所述试验电压值、所述最短绝缘距离、所述大气压力、所述大气温度和所述相对空气湿度，确定为第二试验参数，将所述第二试验参数作为大气校正因数确定模型的输入值，输入至所述大气校正因数确定模型，得到大气校正因数；

其中，所述大气校正因数确定模型为，以不同电压等级的高电压试验中，不同的高压电器产品的所述第二试验参数作为训练样本，以所述第二试验参数对应的大气校正因数为样本标签进行训练得到。

可选的，所述转换单元具体用于：

将所述试验电压类型通过空气间隙放电试验得到所述试验电压类型下的空气流注传播速度。

可选的，还包括：模型训练单元，用于训练得到所述大气校正因数确定模型，所述模型训练单元具体包括：

计算子单元，用于对不同电压等级的高压试验中，不同的高压电器产品的所述第一试验参数，采用IEC 60060-1：2010标准计算得到在不同电压等级下的大气校正因数；

转换子单元，用于将每一个高压电器产品的所述第一试验参数中的试验电压类型，转化为相对应的空气流注传播速度，得到每一个高压电器产品的所述第二试验参数；

模型建立子单元，用于建立一个含有两个隐含层的神经网络模型作为初始大气校正因数确定模型，所述隐含层的神经元的激活函数采用ReLU激活函数；

训练子单元，用于以不同电压等级的高电压试验中，不同的高压电器产品的所述第二试验参数作为训练样本，以所述第二试验参数对应的大气校正因数为样本标签，利用梯度下降法对所述初始大气校正因数确定模型进行训练，得到所述大气校正因数确定模型。

可选的，所述转换单元还包括：

校正子单元，用于对所述大气校正因数确定模型采用损失函数进行校正，得到校正后的大气校正因数确定模型。

可选的，所述损失函数包括：

均方误差函数，所述损失函数COST的表达式如下：

式中，n为训练样本总数量，

为采用所述大气校正因数确定模型计算得到的大气校正因数，Y_t ⁱ为采样所述IEC 60060-1：2010标准计算得到的大气校正因数，i第i个训练样本。

从上述的技术方案可知，本发明公开了一种高电压试验中大气校正因数的计算方法及装置，使用空气流注传播速度代替了IEC 60060-1：2010标准中试验电压类型这一参数，也即将试验电压类型这一参数转化为与其物理过程对应的空气流注传播速度，从而实现了将试验电压类型由非连续变量转换为连续变量的空气流注传播速度，进而使影响大气校正因数的所有参数包括：空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度均为连续变量，因此，可以采用神经网络模型对大气校正因数的计算过程进行拟合，得到大气校正因数确定模型，这样，通过将高电压试验中的空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度输入至大气校正因数确定模型，即可得到对应的大气校正因数。采用本发明提供的方法无需考虑空气湿度与空气密度的比值的取值范围，因此可以计算当h/δ超出标准给定范围时的大气校正因数。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据公开的附图获得其他的附图。

图1为本发明实施例公开的一种高电压试验中大气校正因数的计算方法流程图；

图2为本发明实施例公开的一种获取大气校正因数确定模型的方法流程图；

图3为本发明实施例公开的一种建立的含有两个隐含层的神经网络模型结构示意图；

图4为本发明实施例公开的一种高电压试验中大气校正因数计算装置的结构示意图；

图5为本发明实施例公开的一种模型训练单元的结构示意图。

具体实施方式

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。

现有技术中，依据IEC60060-1:2010标准规定，计算大气校正因数K_t的方法如下：

K_t＝K₁*K₂；

K₁＝δ^m，K₂＝k^w；

δ＝(p/p₀)*(273+t₀)/(273+t)；

k＝1+0.014(h/δ-11)-0.00022(h/δ-11)²，1<h/δ<15g/m³(电压类型为直流)；

k＝1+0.012(h/δ-11)，1<h/δ<15g/m³(电压类型为交流)；

k＝1+0.010(h/δ-11)，1<h/δ<20g/m³(电压类型为冲击)；

指数m和w由参数g确定，g＝U₅₀/(500Lδk)。

上述式中，K₁为空气密度修正因数，K₂为湿度修正因数，δ为相对空气密度，h为绝对空气湿度，k为湿度修正因数，p₀为标准参考大气条件下的压力，t₀为标准参考大气条件下的温度，U₅₀为50％放电电压。

在利用上述公式计算大气校正因数K_t时，输入参数有六个，分别是：1、电压类型(交流、直流和冲击)；2、试验电压值U(kV)；3.最短绝缘距离L(m)，其是试验对象的固有参数；4.大气压力p(kPa)；5.大气温度t(℃)；6.相对空气湿度Rh(％)，需要说明的是，相对空气湿度Rh和绝对空气湿度h之间存在固定的换算关系，具体可参见标准IEC60060-1:2010中示出的换算公式，此处不再赘述。

从上述公式中可以看出，在计算湿度修正因数k的过程中，标准IEC60060-1:2010给出了空气湿度与空气密度的比值h/δ在一定范围内的计算公式，当比值h/δ超出标准范围时，根据标准IEC60060-1:2010给出的计算公式将无法计算湿度修正因数k。

在实际试验过程中，当空气温度和空气湿度都很高时，将会出现无法进行大气校正的情况。因此，需要提供一种新的大气校正因数计算方法，能够在比值h/δ超出标准范围时，仍可以计算大气校正因数的计算，实现大气校正。

本发明实施例公开了一种高电压试验中大气校正因数的计算方法及装置，使用空气流注传播速度代替了IEC 60060-1：2010标准中试验电压类型这一参数，也即将试验电压类型这一参数转化为与其物理过程对应的空气流注传播速度，从而实现了将试验电压类型由非连续变量转换为连续变量的空气流注传播速度，进而使影响大气校正因数的所有参数包括：空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度均为连续变量，从而可以采用神经网络模型对大气校正因数的计算过程进行拟合，得到大气校正因数确定模型，这样，通过将高电压试验中的空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度输入至大气校正因数确定模型，即可得到对应的大气校正因数。采用本发明提供的方法无需考虑空气湿度与空气密度的比值的取值范围，因此可以计算当h/δ超出标准给定范围时的大气校正因数。

参见图1，本发明一实施例公开了一种高电压试验中大气校正因数的计算方法流程图，该方法包括步骤：

步骤S101、获取高电压试验中的第一试验参数；

第一试验参数包括：试验电压类型E、试验电压值U(单位：kV)、最短绝缘距离L(单位：m)、大气压力P(单位：kPa)、大气温度t(单位：℃)和相对空气湿度Rh(％)；

其中，试验电压类型E包括：交流、直流和冲击。

步骤S102、将试验电压类型转化为试验电压类型下的空气流注传播速度；

空气流注指的是：在外施电场达到空气间隙的击穿场强时，由于碰撞电离和光电离会在空间中行成电子崩，该电子崩持续发展会在头部形成等离子体区域，最终会在两极板间形成一个等离子体，这个等离子体就是空气流注。

空气流注传播速度指的是：等离子体在外加电场作用下的运动速度。

在实际应用中，可以将试验电压类型通过空气间隙放电试验得到该试验电压类型下的空气流注传播速度。

步骤S103、将空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度，确定为第二试验参数，将第二试验参数作为大气校正因数确定模型的输入值，输入至大气校正因数确定模型，得到大气校正因数。

也就是说，通过将第一试验参数中的试验电压类型E转换为该试验电压类型E下的空气流注传播速度，即可得到第二试验参数，也即，第二试验参数包括：空气流注传播速度V、试验电压值U(单位：kV)、最短绝缘距离L(单位：m)、大气压力P(单位：kPa)、大气温度t(单位：℃)和相对空气湿度Rh(％)。

其中，大气校正因数确定模型为，以不同电压等级的高电压试验中，不同的高压电器产品的第二试验参数作为训练样本，以第二试验参数对应的大气校正因数为样本标签进行训练得到。

综上可知，本发明公开的高电压试验中大气校正因数的计算方法，使用空气流注传播速度代替了IEC 60060-1：2010标准中试验电压类型这一参数，也即将试验电压类型这一参数转化为与其物理过程对应的空气流注传播速度，从而实现了将试验电压类型由非连续变量转换为连续变量的空气流注传播速度，进而使影响大气校正因数的所有参数包括：空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度均为连续变量，因此，可以采用神经网络模型对大气校正因数的计算过程进行拟合，得到大气校正因数确定模型，这样，通过将高电压试验中的空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度输入至大气校正因数确定模型，即可得到对应的大气校正因数。采用本发明提供的方法无需考虑空气湿度与空气密度的比值的取值范围，因此可以计算当h/δ超出标准给定范围时的大气校正因数。

为进一步优化上述实施例，参见图2，本发明一实施例公开的一种获取大气校正因数确定模型的方法流程图，该方法包括步骤：

步骤S201、对不同电压等级的高压试验中，不同的高压电器产品的第一试验参数，采用IEC 60060-1：2010标准计算得到在不同电压等级下的大气校正因数；

其中，本实施例中的电压等级区间包括：126kV-1100kV电压等级。

目前世界上最高的交流电压等级为1100kV、直流电压等级为±1100kV。我国标准中一般交流高压电器产品的电压等级分为72.5kV、126kV、252kV、363kV、550kV、800kV和1100kV，而72.5kV电压等级的高压电器产品不需要进行湿度修正，因此，本实施例中选择的电压等级区间为126kV-1100kV这一电压等级区间，从而涵盖目前所有标准规定的电压等级。

本实施例中，采用传统方案中的IEC 60060-1：2010标准，基于上述实施例中的第一试验参数，计算126kV-1100kV电压等级各种高压电器产品的大气校正因数。

高压电器产品包括：开关类、互感器类、绝缘子类、换流阀类等。

步骤S202、将每一个高压电器产品的第一试验参数中的试验电压类型，转化为相对应的空气流注传播速度，得到每一个高压电器产品的第二试验参数；

基于上述论述可知，通过将第一试验参数中的试验电压类型，转化为相对应的空气流注传播速度，即可得到相对应的第二试验参数。

步骤S203、建立一个含有两个隐含层的神经网络模型作为初始大气校正因数确定模型；

具体的，参见图3本发明所建立的含有两个隐含层的神经网络模型结构，该神经网络模型结构包括：输入层、隐含层1、隐含层2和输出层。

其中，神经网络模型的输入层输入6维数据，分别是：空气流注传播速度V、试验电压值U(单位：kV)、最短绝缘距离L(单位：m)、大气压力P(单位：kPa)、大气温度t(单位：℃)和相对空气湿度Rh(％)。

隐含层的神经元的激活函数采用ReLU激活函数，ReLU激活函数的表达式如下：

ReLU(x)＝max(0,x)；

式中，x为激活函数的输入变量。

步骤S204、以不同电压等级的高电压试验中，不同的高压电器产品的第二试验参数作为训练样本，以第二试验参数对应的大气校正因数为样本标签，利用梯度下降法对初始大气校正因数确定模型进行训练，得到大气校正因数确定模型。

需要说明的是，本实施例中的在训练得到大气校正因数确定模型时，所采用的第二试验参数对应的大气校正因数，也即根据第二试验参数对应的第一试验参数，采用传统方案中的IEC 60060-1：2010标准计算得到的大气校正因数。

本实施例中，采用IEC 60060-1：2010标准中规定的大气校正方法对126kV-1100kV各类高压电器产品在实际试验中的大气校正因数Kt进行了计算，将不同的高压电器产品的第二试验参数作为输入值X(i)，大气校正因数Kt作为输出值Y(i)。X(i)与Y(i)就作为一组训练数据，可以得到n组训练数据X(1)与Y(1)、X(2)与Y(2)、X(3)与Y(3)……X(n)与Y(n)，通过这n组数据来训练含有两个隐含层的神经网络模型，得到大气校正因数确定模型。

为保证训练得到的大气校正因数确定模型的准确性，还可以对初次训练得到的大气校正因数确定模型进行校正。

具体的，对大气校正因数确定模型采用损失函数进行校正，得到校正后的大气校正因数确定模型。

在实际应用中，损失函数包括：均方误差函数，所述损失函数COST的表达式如下：

式中，n为训练样本总数量，

为采用大气校正因数确定模型计算得到的大气校正因数，Y_t ⁱ为采样所述IEC 60060-1：2010标准计算得到的大气校正因数，i第i个训练样本。

综上可知，本发明公开的高电压试验中大气校正因数的计算方法，使用空气流注传播速度代替了IEC 60060-1：2010标准中试验电压类型这一参数，也即将试验电压类型这一参数转化为与其物理过程对应的空气流注传播速度，从而实现了将试验电压类型由非连续变量转换为连续变量的空气流注传播速度，进而使影响大气校正因数的所有参数包括：空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度均为连续变量，因此，可以采用神经网络模型对大气校正因数的计算过程进行拟合，得到大气校正因数确定模型，这样，通过将高电压试验中的空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度输入至大气校正因数确定模型，即可得到对应的大气校正因数。采用本发明提供的方法无需考虑空气湿度与空气密度的比值的取值范围，因此可以计算当h/δ超出标准给定范围时的大气校正因数。

与上述方法实施例相对应，本发明还公开了一种高电压试验中大气校正因数的计算装置。

参见图4，本发明一实施例公开的一种高电压试验中大气校正因数计算装置的结构示意图，该装置包括：

获取单元301，用于获取高电压试验中的第一试验参数，所述第一试验参数包括：试验电压类型、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度；

其中，试验电压类型E包括：交流、直流和冲击。

转换单元302，用于将所述试验电压类型转化为所述试验电压类型下的空气流注传播速度；

在实际应用中，可以将试验电压类型通过空气间隙放电试验得到该试验电压类型下的空气流注传播速度。

因此，转换单元302具体用于：

将试验电压类型通过空气间隙放电试验得到试验电压类型下的空气流注传播速度。

输入单元303，用于将所述空气流注传播速度、所述试验电压值、所述最短绝缘距离、所述大气压力、所述大气温度和所述相对空气湿度，确定为第二试验参数，将所述第二试验参数作为大气校正因数确定模型的输入值，输入至所述大气校正因数确定模型，得到大气校正因数；

也就是说，通过将第一试验参数中的试验电压类型E转换为该试验电压类型E下的空气流注传播速度，即可得到第二试验参数，也即，第二试验参数包括：空气流注传播速度V、试验电压值U(单位：kV)、最短绝缘距离L(单位：m)、大气压力P(单位：kPa)、大气温度t(单位：℃)和相对空气湿度Rh(％)。

其中，大气校正因数确定模型为，以不同电压等级的高电压试验中，不同的高压电器产品的第二试验参数作为训练样本，以第二试验参数对应的大气校正因数为样本标签进行训练得到。

综上可知，本发明公开的高电压试验中大气校正因数的计算装置，使用空气流注传播速度代替了IEC 60060-1：2010标准中试验电压类型这一参数，也即将试验电压类型这一参数转化为与其物理过程对应的空气流注传播速度，从而实现了将试验电压类型由非连续变量转换为连续变量的空气流注传播速度，进而使影响大气校正因数的所有参数包括：空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度均为连续变量，因此，可以采用神经网络模型对大气校正因数的计算过程进行拟合，得到大气校正因数确定模型，这样，通过将高电压试验中的空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度输入至大气校正因数确定模型，即可得到对应的大气校正因数。采用本发明提供的方法无需考虑空气湿度与空气密度的比值的取值范围，因此可以计算当h/δ超出标准给定范围时的大气校正因数。

为进一步优化上述实施例，高电压试验中大气校正因数的计算装置还可以包括：模型训练单元，用于训练得到大气校正因数确定模型。

具体的，参见图5，本发明一实施例公开的一种模型训练单元的结构示意图，包括：

计算子单元401，用于对不同电压等级的高压试验中，不同的高压电器产品的第一试验参数，采用IEC 60060-1：2010标准计算得到在不同电压等级下的大气校正因数；

其中，本实施例中的电压等级区间包括：126kV-1100kV电压等级。

目前世界上最高的交流电压等级为1100kV、直流电压等级为±1100kV。我国标准中一般交流高压电器产品的电压等级分为72.5kV、126kV、252kV、363kV、550kV、800kV和1100kV，而72.5kV电压等级的高压电器产品不需要进行湿度修正，因此，本实施例中选择的电压等级区间为126kV-1100kV这一电压等级区间，从而涵盖目前所有标准规定的电压等级。

本实施例中，采用传统方案中的IEC 60060-1：2010标准，基于上述实施例中的第一试验参数，计算126kV-1100kV电压等级各种高压电器产品的大气校正因数。

高压电器产品包括：开关类、互感器类、绝缘子类、换流阀类等。

转换子单元402，用于将每一个高压电器产品的所述第一试验参数中的试验电压类型，转化为相对应的空气流注传播速度，得到每一个高压电器产品的所述第二试验参数；

基于上述论述可知，通过将第一试验参数中的试验电压类型，转化为相对应的空气流注传播速度，即可得到相对应的第二试验参数。

模型建立子单元403，用于建立一个含有两个隐含层的神经网络模型作为初始大气校正因数确定模型，所述隐含层的神经元的激活函数采用ReLU激活函数，ReLU激活函数的表达式如下：

ReLU(x)＝max(0,x)；

式中，x为激活函数的输入变量。

训练子单元404，用于以不同电压等级的高电压试验中，不同的高压电器产品的所述第二试验参数作为训练样本，以所述第二试验参数对应的大气校正因数为样本标签，利用梯度下降法对所述初始大气校正因数确定模型进行训练，得到所述大气校正因数确定模型。

需要说明的是，本实施例中的在训练得到大气校正因数确定模型时，所采用的第二试验参数对应的大气校正因数，也即根据第二试验参数对应的第一试验参数，采用传统方案中的IEC 60060-1：2010标准计算得到的大气校正因数。

本实施例中，采用IEC 60060-1：2010标准中规定的大气校正方法对126kV-1100kV各类高压电器产品在实际试验中的大气校正因数Kt进行了计算，将不同的高压电器产品的第二试验参数作为输入值X(i)，大气校正因数Kt作为输出值Y(i)。X(i)与Y(i)就作为一组训练数据，可以得到n组训练数据X(1)与Y(1)、X(2)与Y(2)、X(3)与Y(3)……X(n)与Y(n)，通过这n组数据来训练含有两个隐含层的神经网络模型，得到大气校正因数确定模型。

为保证训练得到的大气校正因数确定模型的准确性，还可以对初次训练得到的大气校正因数确定模型进行校正。

因此，转换单元302还可以包括：

校正子单元，用于对大气校正因数确定模型采用损失函数进行校正，得到校正后的大气校正因数确定模型。

在实际应用中，损失函数包括：均方误差函数，所述损失函数COST的表达式如下：

式中，n为训练样本总数量，

为采用大气校正因数确定模型计算得到的大气校正因数，Y_t ⁱ为采样所述IEC 60060-1：2010标准计算得到的大气校正因数，i第i个训练样本。

综上可知，本发明使用空气流注传播速度代替了IEC 60060-1：2010标准中试验电压类型这一参数，也即将试验电压类型这一参数转化为与其物理过程对应的空气流注传播速度，从而实现了将试验电压类型由非连续变量转换为连续变量的空气流注传播速度，进而使影响大气校正因数的所有参数包括：空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度均为连续变量，因此，可以采用神经网络模型对大气校正因数的计算过程进行拟合，得到大气校正因数确定模型，这样，通过将高电压试验中的空气流注传播速度、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度输入至大气校正因数确定模型，即可得到对应的大气校正因数。采用本发明提供的方法无需考虑空气湿度与空气密度的比值的取值范围，因此可以计算当h/δ超出标准给定范围时的大气校正因数。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种高电压试验中大气校正因数的计算方法，其特征在于，包括：

获取高电压试验中的第一试验参数，所述第一试验参数包括：试验电压类型、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度；

将所述试验电压类型转化为所述试验电压类型下的空气流注传播速度；

将所述空气流注传播速度、所述试验电压值、所述最短绝缘距离、所述大气压力、所述大气温度和所述相对空气湿度，确定为第二试验参数，将所述第二试验参数作为大气校正因数确定模型的输入值，输入至所述大气校正因数确定模型，得到大气校正因数；

其中，所述大气校正因数确定模型为，以不同电压等级的高电压试验中，不同的高压电器产品的所述第二试验参数作为训练样本，以所述第二试验参数对应的大气校正因数为样本标签进行训练得到；

训练得到所述大气校正因数确定模型的过程具体包括：

对不同电压等级的高压试验中，不同的高压电器产品的所述第一试验参数，采用IEC60060-1：2010标准计算得到在不同电压等级下的大气校正因数；

将每一个高压电器产品的所述第一试验参数中的试验电压类型，转化为相对应的空气流注传播速度，得到每一个高压电器产品的所述第二试验参数；

建立一个含有两个隐含层的神经网络模型作为初始大气校正因数确定模型，所述隐含层的神经元的激活函数采用ReLU激活函数；

以不同电压等级的高电压试验中，不同的高压电器产品的所述第二试验参数作为训练样本，以所述第二试验参数对应的大气校正因数为样本标签，利用梯度下降法对所述初始大气校正因数确定模型进行训练，得到所述大气校正因数确定模型。

2.根据权利要求1所述的计算方法，其特征在于，所述将所述试验电压类型转化为所述试验电压类型下的空气流注传播速度，具体包括：

将所述试验电压类型通过空气间隙放电试验得到所述试验电压类型下的空气流注传播速度。

3.根据权利要求1所述的计算方法，其特征在于，还包括：

对所述大气校正因数确定模型采用损失函数进行校正，得到校正后的大气校正因数确定模型。

4.根据权利要求3所述的计算方法，其特征在于，所述损失函数包括：均方误差函数，所述损失函数COST的表达式如下：

式中，n为训练样本总数量，

为采用所述大气校正因数确定模型计算得到的大气校正因数，Y_t ⁱ为采样所述IEC 60060-1：2010标准计算得到的大气校正因数，i第i个训练样本。

5.一种高电压试验中大气校正因数的计算装置，其特征在于，包括：

获取单元，用于获取高电压试验中的第一试验参数，所述第一试验参数包括：试验电压类型、试验电压值、最短绝缘距离、大气压力、大气温度和相对空气湿度；

转换单元，用于将所述试验电压类型转化为所述试验电压类型下的空气流注传播速度；

输入单元，用于将所述空气流注传播速度、所述试验电压值、所述最短绝缘距离、所述大气压力、所述大气温度和所述相对空气湿度，确定为第二试验参数，将所述第二试验参数作为大气校正因数确定模型的输入值，输入至所述大气校正因数确定模型，得到大气校正因数；

其中，所述大气校正因数确定模型为，以不同电压等级的高电压试验中，不同的高压电器产品的所述第二试验参数作为训练样本，以所述第二试验参数对应的大气校正因数为样本标签进行训练得到；

模型训练单元，用于训练得到所述大气校正因数确定模型，所述模型训练单元具体包括：

计算子单元，用于对不同电压等级的高压试验中，不同的高压电器产品的所述第一试验参数，采用IEC 60060-1：2010标准计算得到在不同电压等级下的大气校正因数；

转换子单元，用于将每一个高压电器产品的所述第一试验参数中的试验电压类型，转化为相对应的空气流注传播速度，得到每一个高压电器产品的所述第二试验参数；

模型建立子单元，用于建立一个含有两个隐含层的神经网络模型作为初始大气校正因数确定模型，所述隐含层的神经元的激活函数采用ReLU激活函数；

训练子单元，用于以不同电压等级的高电压试验中，不同的高压电器产品的所述第二试验参数作为训练样本，以所述第二试验参数对应的大气校正因数为样本标签，利用梯度下降法对所述初始大气校正因数确定模型进行训练，得到所述大气校正因数确定模型。

6.根据权利要求5所述的计算装置，其特征在于，所述转换单元具体用于：

将所述试验电压类型通过空气间隙放电试验得到所述试验电压类型下的空气流注传播速度。

7.根据权利要求5所述的计算装置，其特征在于，所述转换单元还包括：

校正子单元，用于对所述大气校正因数确定模型采用损失函数进行校正，得到校正后的大气校正因数确定模型。

8.根据权利要求7所述的计算装置，其特征在于，所述损失函数包括：均方误差函数，所述损失函数COST的表达式如下：

式中，n为训练样本总数量，

为采用所述大气校正因数确定模型计算得到的大气校正因数，Y_t ⁱ为采样所述IEC 60060-1：2010标准计算得到的大气校正因数，i第i个训练样本。

Images