融合物理信息神经网络的电气设备温度场实时重构与热故障预警

电气设备运行过程中易因过载、绝缘老化、接触不良产生局部高温，引发短路、起火等热故障，传统测温手段存在监测点位有限、温度场重构精度低、故障预判滞后等问题。本文融合物理信息神经网络（PINN），结合热传导偏微分方程构建电气设备温度场实时重构模型，无需大量监测测点，依托边界温度数据完成全域温度场高精度还原；引入温度时序演化特征，设置多级热故障阈值，搭建动态预警体系。以干式变压器为试验对象开展验证测试，结果表明，温度场重构平均误差低于1.8℃，相较于传统插值算法精度提升73.5%；故障预警提前量可达25min，可精准识别隐性过热故障。该模型兼顾物理约束与数据驱动优势，适用于开关柜、变压器、电缆等各类非标电气设备，为电气系统热安全管控提供新型技术方案。

1 引言

工业非标电气设备包含定制化开关柜、特种变压器、异形配电装置，设备结构差异化明显，内部空间紧凑，发热元件排布杂乱，高温热故障是主要失效形式。设备长期带载运行会产生焦耳热，热量堆积引发绝缘层老化、金属部件氧化，严重时造成设备烧毁、供电中断。常规测温方式分为接触式热电偶测温、非接触红外测温，前者测点固定、无法覆盖隐蔽区域，后者受粉尘、遮挡干扰，测温精度不足。

物理信息神经网络将物理控制方程嵌入神经网络训练过程，弥补纯数据驱动模型泛化能力弱、物理规律失真的缺陷，可实现少样本条件下物理场高精度重构。为解决电气设备全域测温、提前预警难题，本文基于热传导、热对流物理方程，搭建PINN温度场重构模型，实时还原设备内部温度分布，结合温度演化趋势实现热故障分级预警，保障非标电气设备稳定运行。

2 电气设备热故障机理与测温难点

2.1 热故障产生机理

电气设备发热来源包含导体电阻发热、介质损耗发热、磁滞涡流发热。正常工况下热量通过传导、对流、辐射方式散发，温度维持在安全区间；当线路过载、接头氧化、绝缘破损时，局部热生成量激增，散热速率小于发热速率，形成高温热点，持续升温导致绝缘击穿、部件熔化，引发热故障。

2.2 测温技术难点

非标电气设备内部结构不规则，密闭空间多，隐蔽高温区域难以直接测温；传感器布设数量受限，多点测温成本高；环境粉尘、电磁干扰导致测温数据噪声大；传统算法无法精准拟合非线性温度场，故障预判依赖人工经验。

3 PINN温度场重构模型构建

3.1 热传导物理方程

基于傅里叶热传导定律，建立三维非稳态热传导控制方程，考虑设备内部固体导热、空气对流散热、表面辐射散热，明确温度时空演化规律。将物理方程作为约束条件嵌入神经网络，保证模型输出符合热力学客观规律。

3.2 神经网络结构设计

搭建五层全连接PINN网络，输入层导入空间坐标、时间参数、边界测温数据；隐藏层采用tanh激活函数，拟合非线性温度变化规律；输出层输出全域温度数值。设置物理损失函数、数据损失函数双重约束，优化网络权重参数，降低重构误差。

3.3 模型训练优化

采用自适应学习率优化算法，动态调整训练步长；引入残差连接避免梯度消失问题；依托少量边界测点数据完成模型训练，降低传感器布设成本，适配非标设备结构差异化特征。

4 热故障预警机制设计

4.1 故障等级划分

结合电气设备安全规范，划分正常、注意、预警、故障四个等级。注意等级：温度缓慢上升，无局部热点；预警等级：出现局部高温，升温速率加快；故障等级：温度超过安全阈值，存在击穿烧毁风险。

4.2 动态预警逻辑

实时采集重构温度场数据，计算最高温度、升温速率、温度梯度三类指标；采用加权评判算法综合判定故障等级，触发对应预警动作：注意等级推送监测提醒，预警等级启动强制散热，故障等级切断供电回路。

5 试验验证与结果分析

5.1 试验平台

以定制化干式变压器为试验载体，布设12个热电偶采集边界温度，人为设置接触不良、过载两类故障工况。对比PINN模型、径向基插值算法、有限元仿真三种方式的温度重构精度与预警时效。

5.2 试验结果

正常工况下，PINN模型温度重构平均误差1.52℃，最大误差2.3℃；相较于传统插值算法精度提升73.5%；过载故障工况下，模型提前25min预判温度异常，接触不良故障提前18min预警，可精准识别隐蔽高温热点。模型单步重构计算耗时低于0.3s，满足实时监测要求。

6 总结与展望

本文构建的PINN温度场重构模型，结合物理规律与数据驱动优势，实现少测点高精度全域测温，解决非标电气设备测温盲区难题。后续可融合红外图像数据优化模型精度；开发嵌入式监测终端，实现设备就地预警；拓展至储能电站、高压配电等复杂电气场景，提升电力系统安全管控智能化水平。