基于物理信息神经网络的电力变压器最优传感器布置
机器学习
2025-02-04 v1 系统与控制
系统与控制
摘要
我们的工作旨在利用物理信息神经网络（PINNs）模拟和预测电力变压器内部的温度状况。随后，利用获得的预测结果，在传感器数量有限的约束下，确定变压器内部温度传感器的最优布置位置，以实现高效的性能监测。该方法将 PINNs 与混合整数优化规划相结合，以获得变压器内部的最优温度重建。首先，我们扩展了用于电力变压器热建模的 PINN 模型，将热扩散方程的求解从一维空间推广到二维空间。最后，我们构建了一个变压器内部最优传感器布置模型，该模型可应用于一维和二维问题。
引用
@article{arxiv.2502.00552,
title = {Optimal Sensor Placement in Power Transformers Using Physics-Informed Neural Networks},
author = {Sirui Li and Federica Bragone and Matthieu Barreau and Tor Laneryd and Kateryna Morozovska},
journal= {arXiv preprint arXiv:2502.00552},
year = {2025}
}