一种换流阀损耗计算方法、装置、设备和存储介质与流程

1.本发明实施例涉及电流输电技术，尤其涉及一种换流阀损耗计算方法、装置、设备和存储介质。


背景技术：

2.随着电力电子器件的发展，以及风力、太阳能等可再生能源发电技术的应用，柔性直流输电技术在国内外得到了快速发展和应用。柔性直流输电系统有着电平数量多，谐波含量少以及功耗较低等优点，被广泛地用于高电压大功率直流输电场合。柔性直流输电系统的损耗大小对于系统的长期运行成本和运行性能起着至关重要的作用，直接关系到系统的安全稳定、经济运行。柔性直流输电系统的损耗由换流阀、联接变压器、阀电抗器、直流电抗器以及辅助设备等构成，其中换流阀损耗占60％以上。受调制策略、均压策略、环流抑制策略以及阀冷散热策略等控制策略影响，换流阀损耗精确计算难度较大。
3.现有技术中，国内外柔性直流换流阀损耗计算方法，是采用基于解析表达式的功率器件损耗计算方法，其基本思想是将最近电平逼近调制策略近似为pwm调制策略。在实际工程中，如果采用理想的pwm载波移相调制方法进行近似，可能会有较大误差，尤其是系统的拓扑结构和调制方法变得复杂时，例如全半桥混合拓扑、系统注入三次谐波等，功率模块工作模式和器件切换时序也相应会增多，pwm近似法误差还会进一步扩大。而且由于电容电压的瞬时值计算较为复杂，在现有的损耗计算中，采用了将电容电压假设为恒定值的方法，然而在实际工程中，电容电压通常会有
±
10％左右的波动，这也会对损耗的计算结果造成一定程度的影响。
4.因此，亟需一种换流阀损耗计算方法，可以更加准确地计算换流阀的损耗。


技术实现要素：

5.本发明提供一种换流阀损耗计算方法、装置、设备和存储介质，以更加准确地计算换流阀的损耗，为换流阀及换流阀所处冷却系统的设计人员和运维人员提供较为准确的工程参考价值。
6.第一方面，本发明实施例提供了一种换流阀损耗计算方法，包括：
7.将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值；
8.将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值。
9.本发明实施例的技术方案，提供一种换流阀损耗计算方法，该方法包括：将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值；将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值。上述技术方案，首先在机理模型中根据换流阀的实际参数确定阀损耗初始值，再在神经网
络中根据换流阀的冷却水水温、冷却水流量、阀厅温度和阀损耗初始值确定阀损耗计算值，在基于实际参数进行机理建模以确定阀损耗初始值的基础上，引入神经网络以基于现场实测的冷却水水温、冷却水流量以及阀厅温度对阀损耗计算值进行修正，得到的阀损耗计算值更加接近实际阀损耗值，给换流阀的设计人员和运维人员提供较为准确的工程参考价值。
10.进一步地，在将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值之前，还包括：
11.根据所述实际参数确定通态损耗和开关损耗，并基于所述通态损耗和所述开关损耗构建所述机理模型。
12.进一步地，在将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络之前，还包括：
13.基于全连接网络构建初始网络模型；
14.基于单一变量法，依次对所述初始网络模型的网络结构和超参数进行调整，得到预设网络模型。
15.进一步地，在将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络之前，还包括：
16.获取历史时间段内所述换流阀的历史冷却水水温、历史冷却水流量、历史阀厅温度和历史实际损耗值，以及通过所述机理模型获取历史时间段内所述换流阀的历史阀损耗初始值；
17.将所述历史阀损耗初始值、所述历史冷却水水温、所述历史冷却水流量、所述历史阀厅温度和所述历史实际损耗值作为训练数据对预设网络模型进行网络训练，并计算损失函数；
18.基于反向传播算法进行网络优化，直至所述损失函数收敛，得到所述神经网络。
19.进一步地，在将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络之前，还包括：
20.确定所述换流阀的冷却水水温、冷却水流量以及阀厅温度。
21.进一步地，确定所述换流阀的冷却水水温，包括：
22.基于所述换流阀的进阀水温和/或出阀水温，确定所述冷却水水温。
23.进一步地，还包括：
24.根据所述冷却水水温和所述冷却水流量确定实际阀损耗值；
25.比较所述实际阀损耗值和阀损耗计算值，根据比较结果确定损耗计算的准确度。
26.第二方面，本发明实施例还提供了一种换流阀损耗计算装置，包括：
27.阀损耗初始值确定模块，用于将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值；
28.阀损耗计算值确定模块，用于将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值。
29.第三方面，本发明实施例还提供了一种计算机设备，所述设备包括：
30.至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
31.其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面中任一项所述的换流阀损耗计算方法。
32.第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的换流阀损耗计算方法。
33.第五方面，本技术提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在计算机上运行时，使得计算机执行如第一方面提供的换流阀损耗计算方法。
34.需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与换流阀损耗计算装置的处理器封装在一起的，也可以与换流阀损耗计算装置的处理器单独封装，本技术对此不做限定。
35.本技术中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面、第四方面、以及第五方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
36.在本技术中，上述换流阀损耗计算装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本技术类似，属于本技术权利要求及其等同技术的范围之内。
37.本技术的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
38.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1为本发明实施例一提供的一种换流阀损耗计算方法的流程图；
40.图2为本发明实施例二提供的一种换流阀损耗计算方法的流程图；
41.图3为本发明实施例二提供的一种换流阀损耗计算方法中步骤230的流程图；
42.图4为本发明实施例三提供的一种换流阀损耗计算装置的结构示意图；
43.图5为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
44.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
45.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
46.本技术的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。
47.此外，本技术的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括其他没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
48.在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
49.需要说明的是，本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
50.在本技术的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
51.实施例一
52.图1为本发明实施例一提供的一种换流阀损耗计算方法的流程图，本实施例可适用于需要计算较为准确的换流阀损耗的情况，该方法可以由换流阀损耗计算装置来执行，如图1所示，具体包括如下步骤：
53.步骤110、将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值。
54.其中，实际参数可以包括已知参数和不确定参数的经验值。
55.具体地，将换流阀运行过程中所确定的已知参数以及不确定参数的经验值输入机理模型后，机理模型可以根据实际参数与阀损耗的物理关系确定换流阀的阀损耗初始值。
56.由于不确定参数采用的是经验值，与实际数值存在误差，因此，通过机理模型确定的阀损耗初始值精确度不高。
57.本发明实施例中，基于机理模型可以较快确定换流阀的阀损耗初始值，计算速度较快。
58.步骤120、将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值。
59.其中，神经网络用于确定精确的阀损耗计算值。
60.具体地，在换流阀运行过程中可以获取换流阀的冷却水水温、冷却水流量和阀厅温度，并将获取到的冷却水水温、冷却水流量和阀厅温度，以及前述经过机理模型确定的阀损耗初始值输入预先训练好的神经网络中，神经网络可以基于冷却水水温、冷却水流量和阀厅温度对阀损耗初始值进行修正，得到更为接近阀损耗实际值的阀损耗计算值，使得阀损耗的计算结果更加精确。
61.本发明实施例一提供一种换流阀损耗计算方法，该方法包括：将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始
值；将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值。上述技术方案，首先在机理模型中根据换流阀的实际参数确定阀损耗初始值，再在神经网络中根据换流阀的冷却水水温、冷却水流量、阀厅温度和阀损耗初始值确定阀损耗计算值，在基于实际参数进行机理建模以确定阀损耗初始值的基础上，引入神经网络以基于现场实测的冷却水水温、冷却水流量以及阀厅温度对阀损耗计算值进行修正，得到的阀损耗计算值更加接近实际阀损耗值，给换流阀的设计人员和运维人员提供较为准确的工程参考价值。
62.实施例二
63.图2为本发明实施例二提供的一种换流阀损耗计算方法的流程图，本实施例是在上述实施例的基础上进行具体化。如图2所示，在本实施例中，该方法还可以包括：
64.步骤210、根据所述实际参数确定通态损耗和开关损耗，并基于所述通态损耗和所述开关损耗构建所述机理模型。
65.其中，阀损耗可以包括通态损耗和开关损耗，通态损耗可以包括igbt通态损耗和二极管通态损耗，开关损耗可以包括igbt开通损耗、igbt关断损耗、、二极管反向恢复损耗和必要开关损耗。
66.具体地，根据igbt的通态压降偏置、通态电流和通态电阻可以确定igbt通态损耗，根据二极管的通态压降偏置、通态电流和通态电阻可以确定二极管通态损耗。具体而言，可以基于公式p
t
(i
ce
)＝i
ceuce0
+i
2cerce
确定igbt通态损耗，其中，p
t
(i
ce
)表示igbt通态损耗、i
ce
表示igbt的通态电流、u
ce0
表示igbt的通态压降偏置、r
ce
表示igbt的通态电阻；可以基于公式pd(if)＝ifu
f0
+i
2f
rf确定二极管通态损耗，其中，pd(if)表示二极管通态损耗，if表示二极管的通态电流、u
f0
表示二极管的通态压降偏置、rf表示二极管的通态电阻。其中，u
ce0
，u
f0
，r
ce
，rf可以通过器件手册中的通态电压-通态电流曲线图获得。
67.根据桥臂电流信号和换流阀的子模块的投切情况，即可准确算出所有子模块总体的开关器件导通数量和通态损耗，将所有器件的通态损耗求和即可得到换流阀的通态损耗。确定单桥臂电流大于0和小于0时的单桥臂通态损耗，并根据单桥臂电流大于0和小于0时的单桥臂通态损耗的和值确定换流阀的通态损耗。具体而言，可以根据公式确定单桥臂电流大于0时的单桥臂通态损耗，根据公式确定单桥臂电流小于0时的单桥臂通态损耗，其中，p
cond1
表示单桥臂电流大于0时的单桥臂通态损耗，p
cond2
表示单桥臂电流小于0时的单桥臂通态损耗，i
pa
表示单桥臂电流，t表示基波周期，n表示单桥臂子模块数，n表示单桥臂当前导通子模块个数，n＝round(u
pa
/uc)，uc表示单桥臂电压，u
pa
表示子模块电容电压，t1、t2和t3为桥臂电流过零时刻。进而可以确定换流阀的通态损耗p
cond
＝6
×
(p
cond1
+p
cond2
)。
68.开关损耗包括为了使得输出阶梯波跟随调制波而做出的必要开关动作以及为了使得各子模块电容偏差不至太大的附加开关动作，其中附加开关动作具有极大地随机性，是造成机理模型无法准确计算阀损耗的最大原因。附加开关损耗包括igbt开通损耗、igbt关断损耗、二极管开通损耗以及二极管反向恢复损耗，其中二极管开通损耗可以忽略不计。igbt开通损耗、igbt关断损耗和二极管反向恢复损耗均可以通过器件手册上给出的损耗曲
线图进行二次函数拟合得到。其中，igbt开通损耗值曲线为e
on
(i
ce
)＝k1(a1i
2ce
+b1i
ce
+c1)，igbt关断损耗值曲线为e
off
(i
ce
)＝k2(a2i
2ce
+b2i
ce
+c2)，二极管反向恢复损耗值曲线为e
rec
(if)＝k3(a3i
2ce
+b3i
ce
+c3)，ai、bi、ci，i＝1,2,3，为二次多项式系数，ki，i＝1,2,3为修正因子，ai、bi、ci和ki与器件温度以及截止电压有关，可以取经验值。附加开关的一个重要特点是投入和切除子模块数量相同，不改变子模块投入的数量，两个子模块的交换对应着一次附加开关损耗值，其损耗值包含一次igbt开通损耗值、一次igbt关断损耗值和一次二极管反向恢复损耗值，进而可以确定换流阀的一次附加开关损耗e
add
＝e
on
(i
ce
)+e
off
(i
ce
)+e
rec
(if)。
69.由子模块的工作状态可知，必要开关动作发生在桥臂电压阶梯波发生跃变的时刻，对应着部分子模块的状态从投入变为切除或者从切除变为投入。根据公式可以确定每个阶梯变化的时刻tn，m表示电压调制比，um表示换流阀的阀侧相电压幅值，u
dc
表示换流阀的直流侧电压。进而根据每个阶梯变化时刻tn，结合单桥臂调制波和对应桥臂电流周期波形以及开关过程对应的损耗类型，可以确定必要开关损耗。具体而言，可以确定i
pa
大于0且u
pa
斜率大于0时的单桥臂损耗值可以确定i
pa
小于0且u
pa
斜率大于0时的单桥臂损耗值可以确定i
pa
小于0且u
pa
斜率小于0时的单桥臂损耗值可以确定i
pa
大于0且u
pa
斜率小于0时的单桥臂损耗值其中，p表示i
pa
小于0且u
pa
斜率大于0期间导通子模块个数，n表示周期内总导通个数，q表示i
pa
大于0且u
pa
斜率小于0期间切除的子模块个数。进而可以确定换流阀的必要开关损耗p
nec
＝6(e
nec1
+e
nec2
+e
nec3
+e
nec4
)/t。
70.进而可以确定换流阀的开关损耗p＝p
cond
+p
nec
。
71.附加开关动作受到电容均压策略、运行工况、现场环境以及元器件参数等影响，开关时刻、次数和模块选择离散且具有随机性，无法通过机理模型准确计算，只能根据现场情况取经验值，因此通过机理模型只能计算得到具有一定误差的阀损耗初值。
72.步骤220、将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值。
73.其中，实际参数可以包括前述步骤210提到的所有参数，均可以在换流阀的实际运行过程中获取到。
74.步骤230、确定用于计算换流阀的阀损耗计算值的预设网络模型，并对预设网络模型进行训练，得到神经网络。
75.图3为本发明实施例二提供的一种换流阀损耗计算方法中步骤230的流程图，如图3所示，一种实施方式中，步骤230具体可以包括：
76.步骤2310、基于全连接网络构建初始网络模型；基于单一变量法，依次对所述初始网络模型的网络结构和超参数进行调整，得到预设网络模型。
77.具体地，全连接神经网络作为一种使用较为广泛的神经网络，具有强大的数据回归能力，因此选择全连接网络构建初始网络模型。具体实施时，利用单一变量法，依次对初始网络模型的网络结构和超参数进行调整，得到预设网络模型。网络结构可以包括网络隐含层数和各隐含层输入输出节点数等，超参数可以包括学习率和训练次数等。
78.步骤2320、获取历史时间段内所述换流阀的历史冷却水水温、历史冷却水流量、历史阀厅温度和历史实际损耗值，以及通过所述机理模型获取历史时间段内所述换流阀的历史阀损耗初始值；将所述历史阀损耗初始值、所述历史冷却水水温、所述历史冷却水流量、所述历史阀厅温度和所述历史实际损耗值作为训练数据对预设网络模型进行网络训练，并计算损失函数；基于反向传播算法进行网络优化，直至所述损失函数收敛，得到所述神经网络。
79.具体地，可以将历史阀损耗初始值、所述历史冷却水水温、所述历史冷却水流量和所述历史阀厅温度作为输入信息输入预设网络模型中，得到的输出信息为历史测试损耗值，根据历史测试损耗值和历史实际损耗值确定损失函数，并在损失函数收敛时确定超参数，进而基于该超参数确定神经网络。
80.步骤240、确定所述换流阀的冷却水水温、冷却水流量以及阀厅温度。
81.一种实施方式中，步骤240具体可以包括：
82.基于所述换流阀的进阀水温和/或出阀水温，确定所述冷却水水温。
83.具体地，在换流阀的运行过程中，可以获取换流阀的冷却水水温、冷却水流量以及阀厅温度，当然可以获取冷却水经过换流阀的进阀水温和出阀水温，并将进阀水温确定为冷却水水温，或者，将出阀水温确定为冷却水水温，或者，将进阀水温和出阀水温的平均值确定为冷却水水温。
84.步骤250、将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值。
85.具体地，将获取到的冷却水水温、冷却水流量和阀厅温度，以及前述经过机理模型确定的阀损耗初始值输入预先训练好的神经网络中，神经网络可以基于冷却水水温、冷却水流量和阀厅温度对阀损耗初始值进行修正，得到更为接近阀损耗实际值的阀损耗计算值，使得阀损耗的计算结果更加精确。
86.步骤260、根据所述冷却水水温和所述冷却水流量确定实际阀损耗值；比较所述实际阀损耗值和阀损耗计算值，根据比较结果确定损耗计算的准确度。
87.具体地，可以根据冷却水经过换流阀的进阀水温和出阀水温的温差以及冷却水流量确定实际阀损耗值，具体可以基于公式确定实际阀损耗值，其中，p
real
表示换流阀实际损耗，单位为kw；q表示水流量，单位为l/h；ρ表示水质量密度，单位为kg/m3；c表示水的比热容，单位为j/(kg
·
k)；t
in
表示进阀水温，单位为℃，t
out
表示出阀水温，单位为℃。
88.进而，可以比较实际阀损耗值和阀损耗计算值的差值，并根据该差值确定损耗计
算的准确度。可以理解的是，实际阀损耗值和阀损耗计算值的差值越小，表明损耗计算的准确度越高。
89.本发明实施例二提供一种换流阀损耗计算方法，该方法包括：根据所述实际参数确定通态损耗和开关损耗，并基于所述通态损耗和所述开关损耗构建所述机理模型；将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值；确定用于计算换流阀的阀损耗计算值的预设网络模型，并对预设网络模型进行训练，得到神经网络；确定所述换流阀的冷却水水温、冷却水流量以及阀厅温度；将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值；根据所述冷却水水温和所述冷却水流量确定实际阀损耗值；比较所述实际阀损耗值和阀损耗计算值，根据比较结果确定损耗计算的准确度。上述技术方案，根据换流阀的通态损耗和开关损耗构建机理模型后，在机理模型中基于实际参数确定阀损耗初始值；训练预设网络模型得到神经网络后，在神经网络中基于冷却水水温、冷却水流量、阀厅温度和阀损耗初始值确定阀损耗计算值，在基于实际参数进行机理建模以确定阀损耗初始值的基础上，引入神经网络以基于现场实测的冷却水水温、冷却水流量以及阀厅温度对阀损耗计算值进行修正，得到的阀损耗计算值更加接近实际阀损耗值，给换流阀的设计人员和运维人员提供较为准确的工程参考价值，并在根据进阀水温、出阀水温和冷却水流量确定实际阀损耗值后，比较实际阀损耗值和阀损耗计算值，根据比较结果确定损耗计算的准确度。
90.实施例三
91.图4为本发明实施例三提供的一种换流阀损耗计算装置的结构示意图，该装置可以适用于需要计算较为准确的换流阀损耗的情况。该装置可以通过软件和/或硬件实现，并一般集成在计算机设备中。
92.如图4所示，该装置包括：
93.阀损耗初始值确定模块410，用于将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值；
94.阀损耗计算值确定模块420，用于将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值。
95.本实施例三提供的换流阀损耗计算装置，将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值；将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值。上述技术方案，首先在机理模型中根据换流阀的实际参数确定阀损耗初始值，再在神经网络中根据换流阀的冷却水水温、冷却水流量、阀厅温度和阀损耗初始值确定阀损耗计算值，在基于实际参数进行机理建模以确定阀损耗初始值的基础上，引入神经网络以基于现场实测的冷却水水温、冷却水流量以及阀厅温度对阀损耗计算值进行修正，得到的阀损耗计算值更加接近实际阀损耗值，给换流阀的设计人员和运维人员提供较为准确的工程参考价值。
96.在上述实施例的基础上，该装置还包括：
97.机理模型构建模块，用于根据所述实际参数确定通态损耗和开关损耗，并基于所
述通态损耗和所述开关损耗构建所述机理模型。
98.网络模型构建模块，用于基于全连接网络构建初始网络模型；基于单一变量法，依次对所述初始网络模型的网络结构和超参数进行调整，得到预设网络模型。
99.网络模型训练模块，用于获取历史时间段内所述换流阀的历史冷却水水温、历史冷却水流量、历史阀厅温度和历史实际损耗值，以及通过所述机理模型获取历史时间段内所述换流阀的历史阀损耗初始值；将所述历史阀损耗初始值、所述历史冷却水水温、所述历史冷却水流量、所述历史阀厅温度和所述历史实际损耗值作为训练数据对预设网络模型进行网络训练，并计算损失函数；基于反向传播算法进行网络优化，直至所述损失函数收敛，得到所述神经网络。
100.确定模块，用于确定所述换流阀的冷却水水温、冷却水流量以及阀厅温度。
101.在上述实施例的基础上，确定模块，具体用于：
102.基于所述换流阀的进阀水温和/或出阀水温，确定所述冷却水水温。
103.在上述实施例的基础上，该装置还包括：
104.准确度确定模块，用于根据所述冷却水水温和所述冷却水流量确定实际阀损耗值；比较所述实际阀损耗值和阀损耗计算值，根据比较结果确定损耗计算的准确度。
105.本发明实施例所提供的换流阀损耗计算装置可执行本发明任意实施例所提供的换流阀损耗计算方法，具备执行方法相应的功能模块和有益效果。
106.值得注意的是，上述换流阀损耗计算装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
107.实施例四
108.图5为本发明实施例四提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备5的框图。图5显示的计算机设备5仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
109.如图5所示，计算机设备5以通用计算电子设备的形式表现。计算机设备5的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
110.总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
111.计算机设备5典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备5访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
112.系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。计算机设备5可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器
可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
113.具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
114.计算机设备5也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备5交互的设备通信，和/或与使得该计算机设备5能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，计算机设备5还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图5所示，网络适配器20通过总线18与计算机设备5的其它模块通信。应当明白，尽管图5中未示出，可以结合计算机设备5使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
115.处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及页面显示，例如实现本发实施例所提供的。。方法，该方法包括：
116.将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值；
117.将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值。
118.当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的换流阀损耗计算方法的技术方案。
119.实施例五
120.本发明实施例五提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现例如本发实施例所提供的换流阀损耗计算方法，该方法包括：
121.将换流阀的实际参数作为输入参数输入预先构建好的机理模型，得到的输出参数为所述换流阀的阀损耗初始值；
122.将所述阀损耗初始值、所述换流阀的冷却水水温、冷却水流量以及阀厅温度作为输入信息输入预先训练好的神经网络，得到的输出信息为所述换流阀的阀损耗计算值。
123.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或
者与其结合使用。
124.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
125.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
126.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
127.本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
128.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。