基于正则化IRM-NN的棒–板长间隙正极性操作冲击放电电压智能预测EI北大核心CSCD

长空气间隙的放电特性是特高压输变电工程外绝缘设计的重要依据,而典型棒–板空气间隙的放电特性一直是研究者们关注的基础问题。目前,棒–板间隙放电电压的计算方法有很多,但大多数方法都无法很好地适应大范围的温湿度变化。为实现极端温湿度条件下放电电压的精确计算,该文提出一种基于正则化不变风险最小化神经网络(invariant risk minimization-neural network,IRM-NN)的棒–板长间隙放电电压预测方法。系统分析了棒–板间隙放电的影响因素,提取关键特征量作为输入训练模型。模型在测试集上的平均绝对百分比误差仅为1.6%,验证了该模型可以有效外推至试验条件外的应用场景。然后,对比该模型与3种常用机器学习模型的预测效果。结果表明,该模型在训练样本试验范围之外的样本上的计算精度明显高于其他模型。所提棒–板间隙50%放电电压计算方法可适应大范围温湿度及一定电极尺寸变化,可为长空气间隙放电特性研究提供参考。