基于注意力与长短期记忆网络的变压器代理模型

由于需要考虑换能效率、噪声、体积和质量等因素,电力变压器的设计参数和性能数据往往十分复杂,因此,如何建立变压器代理模型是亟需解决的问题。采用代理模型的优化算法(SBO)能有效解决数值模拟直接优化耗时长的问题。本文用深度学习建立变压器设计参数和性能数据的代理模型,实现变压器性能优化目标的高精度预测,有效降低变压器性能分析与优化所需时间。首先基于长短期记忆网络(LSTM)的深度学习模型,建立非晶合金变压器各个参数间的非线性映射,并加入注意力机制来增强模型的预测效果。最后,通过有限元仿真实验对提出的深度学习代理模型进行验证,并与其他常用的代理模型进行比较,证明了注意力机制与长短期记忆网络代理模型在预测精度方面的优越性。

“物价工作无小事”——达县物价工作有为有位

近年来，达县高度重视物价工作，真抓实抓，强领强推，有效地促进了事业大发展，真正实现了作用大发挥、地位大提升。