使用实验方法、机器学习和数值仿真技术，预测存在机械缺陷和污染不均匀情况下硅橡胶绝缘体的交流闪络电压

《Scientific Reports》：AC flashover voltage prediction of silicone rubber insulators under mechanical defects and non-uniform pollution using experimental, machine learning, and numerical approaches

　　

摘要

本研究探讨了环状不均匀污染（RNU）与环向纵向不均匀污染（RLNU）以及机械缺陷共同作用对硅橡胶绝缘子在不同湿度条件下的交流闪络电压的影响。相较于之前仅关注单一污染或缺陷因素的研究，本研究在现实环境条件下对它们的综合影响进行了实验评估。不均匀污染显著降低了绝缘子的闪络性能。纵向不均匀度指数（P）的增加会提高闪络电压，而在环状不均匀污染（RNU）条件下，污染半径的增大则会降低闪络电压，这表明更均匀的污染会削弱绝缘性能。机械缺陷通过加剧局部电场强度并促进电弧的提前形成，进一步降低闪络电压，其降低幅度可达31.9%。为此，本文提出了一个新的经验模型，用于根据盐沉积密度（SDD）、相对湿度（H）和污染不均匀度指数（P）来预测闪络电压。为了提高预测精度，还开发了基于人工智能的预测模型，包括人工神经网络（ANN）和多层感知器（MLP）。实验结果显示，多层感知器（MLP）模型的性能优于传统的人工神经网络模型；通过对多种机器学习回归算法的对比评估，发现CatBoost回归器为最准确的模型。此外，通过有限元方法（FEM）模拟进一步验证了实验结果，并深入分析了污染分布对电场特性的影响。与不均匀污染相比，均匀污染使电场强度增加了25.7%，而环向纵向不均匀污染（RLNU）导致的电场强度降低了11%，表明其场分布更为稳定。机械缺陷也会使最大电场强度比完好绝缘体增加约63.81%。这一综合框架结合了实验研究、基于人工智能的预测、机器学习以及有限元模拟方法，全面揭示了闪络行为，并显著提升了硅橡胶绝缘子在恶劣环境条件下的预测能力。