CN112634998A - 一种基于分子结构参数的sf6替代气体寻找方法 - Google Patents

一种基于分子结构参数的sf6替代气体寻找方法 Download PDF

Info

Publication number
CN112634998A
CN112634998A CN202011561991.2A CN202011561991A CN112634998A CN 112634998 A CN112634998 A CN 112634998A CN 202011561991 A CN202011561991 A CN 202011561991A CN 112634998 A CN112634998 A CN 112634998A
Authority
CN
China
Prior art keywords
parameters
molecular
molecular structure
gas
dielectric strength
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011561991.2A
Other languages
English (en)
Other versions
CN112634998B (zh
Inventor
尤天鹏
周文俊
郑宇�
李涵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202011561991.2A priority Critical patent/CN112634998B/zh
Publication of CN112634998A publication Critical patent/CN112634998A/zh
Application granted granted Critical
Publication of CN112634998B publication Critical patent/CN112634998B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/50—Molecular design, e.g. of drugs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P20/00—Technologies relating to chemical industry
    • Y02P20/151—Reduction of greenhouse gas [GHG] emissions, e.g. CO2

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Medicinal Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明涉及SF6替代气体寻找方法，具体涉及一种基于分子结构参数的SF6替代气体寻找方法，建立环保绝缘气体的分子结构参数模型，以静电势0.001a.u.通过公式进行计算；算法优化；将计算出的环保绝缘气体分子的表面静电势、分子结构参数输入至神经网络的模型中，作为输入端，通过黑盒模型得到该结构参数与介电强度的关系；根据所得到分子结构参数与介电强度的关系，通过删减分子结构参数的个数，得到分子结构参数与介电强度的相关系数，对比两种缺少参数的公式的法线向量，判断这两种参量是否为相关参量，若为相关参量，则一个参量表征两个参数对介电强度的影响。该方法能更加准确、快速地寻找SF6替代气体。

Description

一种基于分子结构参数的SF6替代气体寻找方法
技术领域
本发明属于SF6替代气体寻找方法，特别涉及一种基于分子结构参数的SF6替代气体寻找方法。
背景技术
SF6气体化学性能稳定、无毒，并且具有良好的绝缘和灭弧能力，已被作为绝缘介质广泛的应用于电力设备中。但由于SF6具有极强的温室效应，在1997 年签订的《京都协议书》中被列为六种受限制的温室气体(二氧化碳CO2、甲烷 CH4、氧化亚氮N2O、氢氟碳化物HFCS、全氟化碳PFCS、六氟化硫SF6)之一，在2015年通过的《巴黎协定》为全球变暖变化做出了安排，特别强调在21世纪下半叶实现温室气体的零排放。SF6的温室效应潜在值为CO2的23900倍，每排放1g SF6产生的温室效应相当于排放22.8kg CO2。随着SF6产业迅猛发展，其引发的温室效应已经占据全球的1/3。为了减小高中压设备中SF6的使用，主要采用以下方法：采用SF6混合气体、使用新型环保气体。SF6混合气体指的是在使用对高中压设备充气时，使用N2、干燥空气等GWP值较低的气体与SF6混合使用，减少SF6气体的含量，同时满足设备绝缘需求。新型环保气体指的是具有较高的绝缘性能，却无SF6气体的缺陷的气体。目前寻找能够替代SF6的新型环保气体是电气与化学交叉学科的研究热点。
气体的绝缘强度表示为气体分子电离程度随电场强度的增强而增加、分子之间的吸附作用逐渐降低。当分子电离出的电子数与分子吸附作用减少的电子数相同时，气体变为等离子体，随之发生击穿现象，此时的临界击穿场强即为该气体的介电强度。目前气体的绝缘强度都以试验研究为主，主要的试验包括气体击穿特性试验、稳态汤逊试验、局部放电试验等多种试验研究方法。经过几十年的试验筛选出若干具备使用价值的替代气体，包括全氟异丁腈(C4F7N)、八氟环丁烷(c-C4F8)、三氟碘甲烷(CF3I)和全氟酮类(C5F10O、C6F12O)等。气体绝缘与击穿是一种非常复杂的宏观现象，试验测得的临界击穿场强受到电场类型 (均匀电场、稍不均匀场和极不均匀电场)、温度、压力、电极材料和电极形状等，这就使得同一种气体在不同的状态下，可能对应多个绝缘强度。目前，通常使用Boltzmann方程或者Monte-Carlo模拟等数学方法计算，但是要对方程输入气体的各种碰撞截面(振荡激发的碰撞截面、电离截面、弹性动能转移碰撞截面、非弹性激发碰撞截面和吸附碰撞截面)和电子能量分布函数等,但通常这些计算方法在计算过程中都使用了不同程度近似方法，如BO近似等，但这些近似方法会忽略某些影响环保绝缘气体的关键性参数。
传统寻找SF6替代气体的方法一般都是实验研究，通过稳态汤逊试验(SST)、脉冲汤逊试验(PT)等对该气体在相同约化场强、不同极板间距的电流曲线，利用
Figure BDA0002860982840000021
拟合出电离系数α和吸附系数η的关系，在净电离系数α-η＝0时，得到该种气体的介电强度。但是在国际化学社(CAS)登记的已知地球物质超过一亿九千万种，所以需要一种方式，预测气体的绝缘强度的方法。目前世界上采用两种方法对气体的绝缘强度进行预测，一种是玻尔兹曼方程，另一种是蒙特卡洛方法，但是这两种方法都需要输入气体的碰撞截面数据进行计算。当今化学发展水平并不能快速有效的测量气体分子的各种碰撞截面数据，所以本文提出一种基于分子结构参数的SF6替代气体的寻找方法。
发明内容
针对背景技术存在的问题，本发明提供一种基于分子结构参数的SF6替代气体的寻找方法。
为解决上述技术问题，本发明采用如下技术方案：一种基于分子结构参数的 SF6替代气体寻找方法，包括以下步骤：
步骤1、建立环保绝缘气体的分子结构参数模型，以静电势0.001a.u.通过以下公式进行计算；
Figure BDA0002860982840000022
式中，ZA为核电荷数；RA为原子坐标；ρ(r′)为r′处的分子密度；r为分子半径，r′为坐标点；
利用GUASSVIEW和GUASSIAN进行分子结构参数和分子表面静电势的计算；
步骤2、算法优化；将步骤1计算出的环保绝缘气体分子的表面静电势、分子结构参数输入至神经网络的模型中，作为输入端，通过黑盒模型得到该结构参数与介电强度的关系；
步骤3、根据步骤2算法得到分子结构参数与介电强度的关系，通过删减分子结构参数的个数，得到分子结构参数与介电强度的相关系数，对比两种缺少参数的公式的法线向量，判断这两种参量是否为相关参量，若为相关参量，则一个参量表征两个参数对介电强度的影响。
在上述基于分子结构参数的SF6替代气体寻找方法中，步骤1所述分子结构参数包括分子体积和分子键长；选取GUASSIAN软件作为分子结构参数计算软件，采用CCSD方法对不同分子的分子表面静电势、分子表面极性电势、分子体积进行计算。
在上述基于分子结构参数的SF6替代气体寻找方法中，步骤2所述神经网络的模型为BP神经网络模型，输入为4，隐藏层为7，输出的1。
与现有技术相比，本发明的有益效果：通过量子化学软件和第一性原理计算出环保绝缘气体分子的结构参数，再通过BP神经网络，预测绝缘环保气体的介电强度，能更加准确、快速地寻找SF6替代气体。
附图说明
图1为本发明一个实施例神经网络介电强度学习与实际测试验结果对比示意图；
图2为本发明一个实施例训练目标输出与数据的拟合度示意图；
图3为本发明一个实施例表面静电势与介电强度关系示意图；
图4为本发明一个实施例分子体积与介电强度关系示意图。
具体实施方式
下面将结合本发明实施例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作出创造性劳动的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。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。
本实施例提出了基于分子结构参数的SF6替代气体的寻找方法，包括以下步骤：
S1，模型建立：建立环保绝缘气体的分子结构参数模型，以静电势0.001a.u. 通过以下公式进行计算：
Figure BDA0002860982840000041
式中ZA为核电荷数；RA为原子坐标；ρ(r′)为r′处的分子密度；r为分子半径，r′为坐标点。
利用GUASSVIEW和GUASSIAN进行分子结构参数和分子表面静电势的计算。分子结构参数包括：分子体积、分子键长。计算结果见表1。
表1分子结构参数
Figure BDA0002860982840000042
S2，算法优化步骤：按照S1的方法，将计算出的环保绝缘气体分子的表面静电势与分子体积和分子键长的数据当做输入，输入至神经网络的模型中，作为输入端。通过黑盒模型得到该结构参数与介电强度的关系。
S3，由S2算法得到，分子结构参数与介电强度的关系，通过删减分子结构参数的个数，得到分子结构参数与介电强度的相关系数，通过对比两种缺少参数的公式的法线向量，判断这两种参量是否为相关参量，若为相关参量，则只需一个参量就可以表征两个参数对介电强度的影响。
具体实施时，一种基于分子结构参数的SF6替代气体寻找方法，包括以下步骤：
一、模型建立：建立环保绝缘气体的分子结构参数模型，以静电势0.001a.u. 通过公式
Figure BDA0002860982840000051
计算，式中ZA为核电荷数；RA为原子坐标；ρ(r′)为r′处的分子密度；r为分子半径，r′为坐标点。
利用GUASSVIEW和GUASSIAN进行分子结构参数和分子表面静电势的计算。分子结构参数包括分子体积、分子键长。
二、算法优化步骤：按照步骤一的方法，将计算出的环保绝缘气体分子的表面静电势与分子体积和分子键长的数据当做输入，输入至神经网络的模型中，作为输入端。通过黑盒模型得到该结构参数与介电强度的关系。神经网络介电强度学习与测试对比图如图1所示。训练目标输出与数据的拟合度如图2所示。
步骤一中，需要对不同分子的分子表面静电势、分子表面极性电势、分子体积进行计算，但是市面上关于量子化学的软件十分多，每种量子化学计算软件的侧重点不同，根据本实施例所需的分子结构参数，选取GUASSIAN软件作为分子结构参数计算软件。
步骤一中，需要对不同分子的分子表面静电势、分子表面极性电势、分子体积进行计算，但是分子结构参数的计算方法有很多，如HF、DFT、CCSD等计算方法，HF方法计算速度十分迅速，但是计算不精准，存在偏差，DFT方法是量子化学中常用的方法，但是对于计算不加基组的分子结构，计算结构略有差异， CCSD方法计算结构十分精准，但计算时间相对较长，为了保证本实施例的可靠性，所以选取CCSD方法对分子结构进行计算。
实施例表面静电势与介电强度关系如图3所示。实施例分子体积与介电强度关系如图4所示。
步骤二中，采用的神经网络模型为BP神经网络模型，输入为4(结构参数)，隐藏层为7，输出的1(介电强度)。
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (3)

1.一种基于分子结构参数的SF6替代气体寻找方法，其特征是，包括以下步骤：
步骤1、建立环保绝缘气体的分子结构参数模型，以静电势0.001a.u.通过以下公式进行计算；
Figure FDA0002860982830000011
式中，ZA为核电荷数；RA为原子坐标；ρ(r′)为r′处的分子密度；r为分子半径，r′为坐标点；
利用GUASSVIEW和GUASSIAN进行分子结构参数和分子表面静电势的计算；
步骤2、算法优化；将步骤1计算出的环保绝缘气体分子的表面静电势、分子结构参数输入至神经网络的模型中，作为输入端，通过黑盒模型得到该结构参数与介电强度的关系；
步骤3、根据步骤2算法得到分子结构参数与介电强度的关系，通过删减分子结构参数的个数，得到分子结构参数与介电强度的相关系数，对比两种缺少参数的公式的法线向量，判断这两种参量是否为相关参量，若为相关参量，则一个参量表征两个参数对介电强度的影响。
2.如权利要求1所述基于分子结构参数的SF6替代气体寻找方法，其特征是，步骤1所述分子结构参数包括分子体积和分子键长；选取GUASSIAN软件作为分子结构参数计算软件，采用CCSD方法对不同分子的分子表面静电势、分子表面极性电势、分子体积进行计算。
3.如权利要求1所述基于分子结构参数的SF6替代气体寻找方法，其特征是，步骤2所述神经网络的模型为BP神经网络模型，输入为4，隐藏层为7，输出的1。
CN202011561991.2A 2020-12-25 2020-12-25 一种基于分子结构参数的sf6替代气体寻找方法 Active CN112634998B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011561991.2A CN112634998B (zh) 2020-12-25 2020-12-25 一种基于分子结构参数的sf6替代气体寻找方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011561991.2A CN112634998B (zh) 2020-12-25 2020-12-25 一种基于分子结构参数的sf6替代气体寻找方法

Publications (2)

Publication Number Publication Date
CN112634998A true CN112634998A (zh) 2021-04-09
CN112634998B CN112634998B (zh) 2022-08-30

Family

ID=75325489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011561991.2A Active CN112634998B (zh) 2020-12-25 2020-12-25 一种基于分子结构参数的sf6替代气体寻找方法

Country Status (1)

Country Link
CN (1) CN112634998B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113608079A (zh) * 2021-06-30 2021-11-05 南方电网科学研究院有限责任公司 绝缘气体的绝缘性能分析方法、装置、设备及存储介质
CN113657015A (zh) * 2021-08-13 2021-11-16 湖北工业大学 一种基于多层静电势参数的sf6替代气体挑选方法
CN113707229A (zh) * 2021-08-13 2021-11-26 湖北工业大学 一种基于电子定域化函数的六氟化硫缓冲气体挑选方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HAO SUN ET AL.: "Prediction of the Electrical Strength and Boiling Temperature of the Substitutes for Greenhouse Gas SF6 Using Neural Network and Random Forest", 《IEEE ACCESS》 *
胡世卓等: "定量结构-性质关系模型在SF_6替代气体研究中的应用", 《广东电力》 *
陈庆国等: "基于密度泛函理论的SF_6潜在替代气体筛选", 《高电压技术》 *
陈远鸣等: "基于改进型BP神经网络的SF_6气体传感器", 《电子测量与仪器学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113608079A (zh) * 2021-06-30 2021-11-05 南方电网科学研究院有限责任公司 绝缘气体的绝缘性能分析方法、装置、设备及存储介质
CN113657015A (zh) * 2021-08-13 2021-11-16 湖北工业大学 一种基于多层静电势参数的sf6替代气体挑选方法
CN113707229A (zh) * 2021-08-13 2021-11-26 湖北工业大学 一种基于电子定域化函数的六氟化硫缓冲气体挑选方法
CN113707229B (zh) * 2021-08-13 2023-06-09 湖北工业大学 一种基于电子定域化函数的六氟化硫缓冲气体挑选方法
CN113657015B (zh) * 2021-08-13 2023-12-05 湖北工业大学 一种基于多层静电势参数的sf6替代气体挑选方法

Also Published As

Publication number Publication date
CN112634998B (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN112634998B (zh) 一种基于分子结构参数的sf6替代气体寻找方法
Wang et al. CO2 conversion in a gliding arc plasma: 1D cylindrical discharge model
Zeng et al. Evaluating DC partial discharge with SF 6 decomposition characteristics
Jiang et al. Analysis of the dielectric breakdown characteristics for a 252-kV gas circuit breaker
Yuan et al. Role of trace impurities in large-volume noble gas atmospheric-pressure glow discharges
Wang et al. Calculations of total electron impact ionization cross sections for fluoroketone and fluoronitrile
CN110794272A (zh) 一种绝缘替代气体性能评估方法、装置和设备
CN107255777A (zh) 一种用于表征气体绝缘设备局部放电能量的sf6分解组分特征量
Kumar et al. Electrical breakdown study in CO 2 and CO 2-O 2 Mixtures in AC, DC and pulsed electric fields at 0.1–1 MPa pressure
Hao et al. Electron swarm parameters and dielectric strength of C5F10O and its mixtures with CO2 and dry air
Jee et al. Surface discharge mechanism with a change of gas pressure in N 2/O 2 mixed gas for insulation design of SF 6-free high-voltage power equipment
Ahmad et al. Finite Element Analysis of Electric Field Distribution in C4F7N as an Alternative to SF6 For Electrical Insulation
Woo et al. A study on dielectric strength and insulation property of SF6/N2 mixtures for GIS
Wang et al. Study on the insulation performance and decomposition characteristics of C5F10O/CO2 gas mixture
CN113657015B (zh) 一种基于多层静电势参数的sf6替代气体挑选方法
CN112147473A (zh) 一种高绝缘强度气体的筛选方法
Zhong et al. Influence mechanism of pressure on SF 6 decomposition characteristics under AC corona discharge
CN112231962A (zh) 一种气体介质灭弧能力评估方法及系统
Bosovic et al. Simulation and validation of pressure rise in a HV circuit breaker with SF6 and alternative interrupting media
CN112362723A (zh) 一种基于稳态汤森原理的sf6替代气体寻找方法及装置
CN110910968A (zh) 一种高压电气设备放电分解产物空间分布情况的计算方法
El-Zein et al. New approach to breakdown equation in gases based on energy concept from inception stage to arc condition
Ambo et al. AC breakdown behavior of SF6/N2 gas mixtures under non-uniform field electrode configurations
Omori et al. Electron swarm parameters in gas mixtures of CF 3 I, SF 6, CO 2 with N 2 at atmospheric pressure
Sima et al. Statistical failure characteristics of air gap subjected to damped alternating overvoltages and its risk assessment

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant