本发明涉及变压器涌流抑制，特别涉及一种基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法及系统。
背景技术：
1、盾构机作为现代隧道掘进工程中一种关键且复杂的大型机械设备，其内部集成了多种功能各异的设备与系统，这些设备和系统对电力供应的要求也呈现出多样化的特点，不仅包括了不同电压等级的需求，还涵盖了从低功率到高功率的各种电气负载。为了满足这一系列复杂而具体的要求，盾构机设计中广泛采用了多台具有不同变比、不同容量的变压器，以确保各个部件能够获得稳定、匹配的电能供给，从而实现高效、安全的运行。
2、在盾构机的生产制造阶段，尤其是设备出厂前的调试环节，需要使用一台外部供电变压器作为主要电源，该变压器需要同时向盾构机机身上的多台变压器提供电力。这种“一台供电变压器带动多台变压器”的配置，引入了一个显著的问题——合闸涌流的抑制。这不仅会对变压器自身造成冲击，还可能影响电网的稳定性和其他并联设备的正常运行。
3、变压器作为电力系统的核心组件，其运行稳定性直接影响整个电网的安全。在变压器初次接入电网或重新启动时，由于铁芯的非线性磁化特性及残余磁场的存在，变压器铁芯可能因突然增加的直流偏磁而迅速饱和。这种饱和现象导致励磁电抗骤降，引发巨大的励磁涌流，其峰值可达变压器额定电流的6至8倍，甚至更高。这种大电流不仅会加速变压器的老化，缩短其使用寿命，而且可能触发继电保护系统误动作，导致不必要的跳闸。此外，励磁涌流中蕴含的丰富谐波成分会导致电压波形严重畸变，进而引发换流器换相失败，对邻近变压器产生感应涌流，引起其他发电机组功率波动，严重威胁电力系统的稳定运行。
4、鉴于励磁涌流对电力系统安全运行构成的重大威胁，开发有效的抑制技术至关重要。目前，学术界和工业界已探索多种涌流抑制策略，例如改变变压器绕组、串联电阻、并联电容器等方面。但改变变压器绕组布局的方法可能破坏其绝缘性能和稳态运行，串联电阻和并联电容器具有接入时机和阻值选择问题，不仅增加运行成本和操作复杂度且难以彻底消除涌流。相位控制合闸技术被视为一种解决方案，通过精准调控断路器合闸时刻，确保预置磁通与铁芯剩磁匹配以避免磁通饱和。然而，该技术的应用受到多重因素制约，如铁芯剩磁难以测量、大量变压器未配备电压互感器，以及缺乏有效的断路器状态监测手段。
技术实现思路
1、为此，本发明提供一种基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法及系统，能够解决盾构机供电系统中复杂环境下变压器涌流抑制问题。
2、按照本发明所提供的设计方案，一方面，提供一种基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，包含：
3、依据盾构机供电变压器运行场景搭建变压器仿真平台，利用变压器仿真平台动态模拟盾构机供电变压器运行并生成变压器运行数据，所述盾构机供电变压器运行场景为供电变压器带动多台机身变压器运行且供电变压器和机身变压器涌流相互影响；
4、利用核成分分析方法对变压器运行数据进行线性分析并提取变压器运行数据中特征变量和响应变量之间的关系，依据变压器运行数据中特征变量、响应变量和两者之间的关系构建模型训练用样本数据；
5、基于预设的训练损失函数并利用样本数据对机器学习模型进行训练，得到供电变压器励磁涌流抑制用目标模型；
6、获取目标时刻盾构机供电变压器运行场景实测数据，将该实测数据输入至目标模型中，利用目标模型预测并输出盾构机供电变压器中断路器相控合闸策略，依据该相控合闸策略生成触发断路器自动分合闸的合闸指令，以通过断路器自动分合闸来抑制盾构机供电变压器涌流。
7、作为本发明基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，进一步地，依据盾构机供电变压器运行场景搭建变压器仿真平台，包含：
8、获取盾构机供电变压器涌流影响因素，所述涌流影响因素包括变压器绕组接法、变压器铁芯参数及断路器分闸角；
9、依据涌流影响因素获取盾构机供电变压器基本参数、及供电变压器和电网的历史运行数据，所述基本参数包括变压器的额定容量、额定电压、额定电流、铁芯材料、铁芯磁化特性曲线、绕组阻抗、铁芯饱和程度和绕组匝数，所述历史运行数据包括电网电压波形、电流波形、电网频率、电网相位、变压器负载率、变压器负载变化情况及电网合闸与断开操作记录；
10、基于盾构机供电变压器基本参数及供电变压器和电网的历史运行数据，利用matlab搭建变压器仿真平台，以利用该变压器仿真平台对盾构机供电变压器运行进行动态模拟。
11、作为本发明基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，进一步地，利用核成分分析方法对变压器运行数据进行线性分析，包含：
12、对变压器运行数据进行采样，并在每次采样中将输入数据转换成特征向量，将输出数据转换成响应向量，所述输入数据包括：合闸电压相位角、合闸电源电压、剩磁分布、变压器容量、变压器电感、原边电阻和漏感、激励电阻和电感、接线方式、导线直径、真空磁导率、变压器剩磁、断路器分/合闸动作时间、断路器截流值及断路器动作前的电压分闸角，所述输出数据包括：励磁涌流幅值、衰减时间、幅值抑制比例、衰减时间抑制比例和合闸角；
13、通过核成分分析方法对输入数据进行多维非线性数据降维，挖掘并提取特征向量和响应向量之间的关系，识别并剔除冗余特征数据。
14、作为本发明基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，进一步地，通过核成分分析方法对输入数据进行多维非线性数据降维，包含：
15、利用矩阵表示多次采样的输入数据，矩阵中每个元素xij表示第i次采样中的特征数据j；
16、依据映射函数将矩阵中各元素映射到高维空间中，并通过特征值分解获取高维空间中矩阵各特征值和对应的特征向量；
17、基于核函数矩阵将高维空间中样本在特征向量方向进行投影，得到降维后的输入数据。
18、作为本发明基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，进一步地，基于预设的训练损失函数并利用样本数据对机器学习模型进行训练，包含：
19、依据输出真实值和输出预测值之间的皮尔逊相关系数及输出真实值和输出预测值之间的均方根误差设置训练损失函数；
20、基于训练损失函数并利用样本数据对机器学习模型进行训练，所述机器学习模型采用长短时记忆网络。
21、作为本发明基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，进一步地，所述训练损失函数表示为：l＝γerms+(1-γ)ρ，其中，
22、l为损失函数，γ为权重系数，erms为均方根误差，ρ为皮尔逊相关系数，yi为输出真实值，为输出预测值，n为样本数量。
23、作为本发明基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，进一步地，通过断路器自动分合闸来抑制盾构机供电变压器涌流，还包含：
24、根据断路器合闸后的涌流数据并利用评估指标对相控合闸策略效果进行评估，依据相控合闸策略评估效果调整机器学习模型结构和/或参数，并基于变压器仿真平台获取机器学习模型训练的样本数据来对机器学习模型重新进行迭代训练，所述评估指标包括励磁涌流的峰值、励磁涌流的最小值、励磁涌流的平均值、涌流持续时间、涌流衰减速度、剩磁评估、变压器的磁链变化和电压波动。
25、再一方面，本发明还提供一种基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制系统，包含：动态仿真模块、样本构建模块、模型训练模块和预测输出模块，其中，
26、动态仿真模块，用于依据盾构机供电变压器运行场景搭建变压器仿真平台，利用变压器仿真平台动态模拟盾构机供电变压器运行并生成变压器运行数据，所述盾构机供电变压器运行场景为供电变压器带动多台机身变压器运行且供电变压器和机身变压器涌流相互影响；
27、样本构建模块，用于利用核成分分析方法对变压器运行数据进行线性分析并提取变压器运行数据中特征变量和响应变量之间的关系，依据变压器运行数据中特征变量、响应变量和两者之间的关系构建模型训练用样本数据；
28、模型训练模块，用于基于预设的训练损失函数并利用样本数据对机器学习模型进行训练，得到供电变压器励磁涌流抑制用目标模型；
29、预测输出模块，用于获取目标时刻盾构机供电变压器运行场景实测数据，将该实测数据输入至目标模型中，利用目标模型预测并输出盾构机供电变压器中断路器相控合闸策略，依据该相控合闸策略生成触发断路器自动分合闸的合闸指令，以通过断路器自动分合闸来抑制盾构机供电变压器涌流。
30、本发明的有益效果：
31、本发明针对盾构机供电系统存在一台供电变压器带动多台变压器、涌流产生和抑制机理更加复杂的问题，应用仿真软件全面分析变压器、断路器、环境多种因素对涌流的影响，通过机器学习模型分析环境温度、断路器性能、变压器参数多种因素对盾构机供电变压器涌流的影响，制定断路器自动分合闸策略以抑制盾构机供电变压器涌流，并在评估合闸效果的基础上，更新训练lstm神经网络模型，以达到对每相断路器最优合闸时间的精确预测，减少或避免盾构机供电变压器涌流的产生，在盾构机供电系统具有较好的应用前景。
1.一种基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，其特征在于，包含：
2.根据权利要求1所述的基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，其特征在于，依据盾构机供电变压器运行场景搭建变压器仿真平台，包含：
3.根据权利要求1所述的基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，其特征在于，利用核成分分析方法对变压器运行数据进行线性分析，包含：
4.根据权利要求3述的基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，其特征在于，通过核成分分析方法对输入数据进行多维非线性数据降维，包含：
5.根据权利要求1述的基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，其特征在于，基于预设的训练损失函数并利用样本数据对机器学习模型进行训练，包含：
6.根据权利要求1或5所述的基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，其特征在于，所述训练损失函数表示为：l＝γerms+(1-γ)ρ，其中，l为损失函数，γ为权重系数，erms为均方根误差，ρ为皮尔逊相关系数，yi为输出真实值，为输出预测值，n为样本数量。
7.根据权利要求1所述的基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制方法，其特征在于，通过断路器自动分合闸来抑制盾构机供电变压器涌流，还包含：
8.一种基于机器学习和相控合闸的盾构机供电变压器励磁涌流抑制系统，其特征在于，包含：动态仿真模块、样本构建模块、模型训练模块和预测输出模块，其中，
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当计算机程序被执行时，能够实现如权利要求1～7任一项所述的方法。
