基于图的数据驱动发现解释性规律，掌握高压输电线路的日冕噪声和射频干扰
符号计算
2026-03-24 v1 人工智能
应用物理
摘要
全球向可再生能源的转变 necessitates开发ultrahigh-voltage(UHV)交流输电以连接偏远能源与城市需求。虽然UHV网格提供了优越的容量和效率，但其实施常因日冕产生的可听噪声(AN)和射频干扰(RI)而受阻。由于这些排放必须满足严格的环境合规标准，准确预测对于大规模部署UHV基础设施至关重要。现有工程实践常依赖经验法则，其中固定的对数线性结构限制了精度和外推能力。本文提出一种单调性约束的图符号发现框架Mono-GraphMD，揭示日冕引起的AN和RI的紧凑且可解释的规律。该框架提供了非线性互动如何支配高场排放的机理见解，能够准确预测日冕笼数据和来自16个导体束的多国真实UHV线路。不同于黑箱模型，所发现的闭式公式高度可移植且可解释，允许应用于各种情景中进行快速预测，从而促进工程设计过程。
引用
@article{arxiv.2603.20600,
title = {Graph-based data-driven discovery of interpretable laws governing corona-induced noise and radio interference for high-voltage transmission lines},
author = {Hao Xu and Yuntian Chen and Chongqing Kang and Dongxiao Zhang},
journal= {arXiv preprint arXiv:2603.20600},
year = {2026}
}