本發(fā)明涉及電力設(shè)備，具體涉及一種gis電磁場分布快速高精度仿真方法、仿真器、存儲介質(zhì)及系統(tǒng)。

背景技術(shù)：

1、氣體絕緣開關(guān)設(shè)備（gas?insulated?switchgear，gis）在現(xiàn)代電力系統(tǒng)中扮演著至關(guān)重要的角色。這種設(shè)備利用惰性氣體作為絕緣介質(zhì)，以實(shí)現(xiàn)在相對較小的空間內(nèi)安全、可靠地進(jìn)行高壓電力的傳輸和分配。gis的高性能和可靠性對于保證電力系統(tǒng)的穩(wěn)定運(yùn)行、提高電網(wǎng)的傳輸效率以及確保電力供應(yīng)的安全性至關(guān)重要。隨著電力系統(tǒng)的快速發(fā)展和對電網(wǎng)安全性能要求的提高，gis的電磁仿真成為了研究的重點(diǎn)之一，電磁仿真方法能夠幫助工程師和研究人員深入理解gis內(nèi)部的電磁場分布、電磁干擾以及其對gis性能的影響。

2、gis的仿真研究一般利用有限元仿真方法或者有限時域差分方法（finite-difference?time-domain，簡稱fdtd）等，其中有限元仿真方法比如文獻(xiàn)“基于有限元分析的開關(guān)設(shè)備產(chǎn)品仿真與優(yōu)化，歐陽振國，碩士論文”中提出的運(yùn)用有限元分析軟件對新型真空斷路器進(jìn)行三維電場強(qiáng)度的仿真與計(jì)算。有限時域差分方法比如碩士論文“基于時域有限差分法的gis設(shè)備暫態(tài)電場仿真計(jì)算，楊瑞，華中科技大學(xué)”中提出了一套適用于gis設(shè)備暫態(tài)電場計(jì)算的fdtd方法，該文獻(xiàn)通過選擇合適的網(wǎng)格剖分算法和吸收邊界條件，按照建模時的結(jié)構(gòu)特點(diǎn)將gis分為同軸母線管道和gis復(fù)雜設(shè)備兩部分，對其中的網(wǎng)格剖分算法等關(guān)鍵性問題進(jìn)行研究；由于gis電磁場仿真?zhèn)戎赜谠O(shè)備模型與電磁場分布交互的精確模擬，復(fù)雜度較高，需要同時考慮時間成本與仿真的精確度，但該文獻(xiàn)主要研究的是仿真算法精確程度的提升而忽略了實(shí)際仿真過程中所需要的時間成本，更注重理論方向的研究，缺少實(shí)際應(yīng)用性；并且該文獻(xiàn)主要目的是分析gis設(shè)備在暫態(tài)電壓作用下的電場分布仿真，這種仿真通常關(guān)注設(shè)備在短暫時間內(nèi)電壓沖擊或電流沖擊下的響應(yīng)，泛化能力較弱。

3、另外傳統(tǒng)數(shù)值方法在進(jìn)行電磁場非均勻網(wǎng)格仿真時，面臨在粗細(xì)網(wǎng)格之間耦合處理復(fù)雜，邊界條件難以確立等問題；同時，非均勻網(wǎng)格劃分仿真時計(jì)算資源要求高，在高網(wǎng)格劃分?jǐn)?shù)量與疏密度仿真時，計(jì)算時間長，仿真速度慢，在處理高頻的gis局放檢測問題時會嚴(yán)重影響檢測時間，若用粗網(wǎng)格仿真時，雖然可以降低時間成本，但仿真精度低，會影響局放檢測質(zhì)量，因此迫切需要一種快速高精度的網(wǎng)格電磁場分布仿真技術(shù)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題在于如何實(shí)現(xiàn)快速高精度的gis電磁場分布仿真。

2、本發(fā)明通過以下技術(shù)手段解決上述技術(shù)問題的：

3、本發(fā)明提出了一種gis電磁場分布快速高精度仿真方法，其特征在于，所述方法包括：

4、采用時域有限差分算法或有限元算法對gis設(shè)備的三維仿真模型進(jìn)行數(shù)值求解，得到gis全波電磁粗網(wǎng)格仿真結(jié)果，所述粗網(wǎng)格仿真結(jié)果包括粗網(wǎng)格結(jié)構(gòu)數(shù)據(jù)和粗網(wǎng)格場強(qiáng)數(shù)據(jù)；

5、采用增強(qiáng)模型對所述粗網(wǎng)格仿真結(jié)果進(jìn)行增強(qiáng)處理，得到增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)。

6、進(jìn)一步地，采用時域有限差分算法對gis設(shè)備的三維仿真模型進(jìn)行數(shù)值求解的過程包括：

7、將gis設(shè)備的三維仿真模型離散為空間網(wǎng)格，并確定每個網(wǎng)格節(jié)點(diǎn)的編號和空間坐標(biāo)數(shù)據(jù)對應(yīng)關(guān)系；

8、將用于描述gis電磁場的麥克斯韋方程轉(zhuǎn)換為四階矩陣，并采用四步hie-fdtd算法對四階矩陣進(jìn)行求解，計(jì)算每個網(wǎng)格節(jié)點(diǎn)的場強(qiáng)數(shù)據(jù)。

9、進(jìn)一步地，所述將用于描述gis電磁場的麥克斯韋方程轉(zhuǎn)換為四階矩陣，并采用四步hie-fdtd算法對四階矩陣進(jìn)行求解，計(jì)算每個網(wǎng)格節(jié)點(diǎn)的場強(qiáng)數(shù)據(jù)，包括：

10、將用于描述gis電磁場的麥克斯韋方程轉(zhuǎn)換為六階矩陣形式為：

11、

12、式中，為由電場和磁場在直角坐標(biāo)系中的分量所構(gòu)成的向量，為六階矩陣；

13、將六階矩陣形式轉(zhuǎn)換為四階矩形形式為：

14、

15、式中，為，

16、為；

17、采用四步hie-fdtd算法對四階矩陣形式進(jìn)行求解，計(jì)算每個網(wǎng)格節(jié)點(diǎn)的場強(qiáng)數(shù)據(jù)。

18、進(jìn)一步地，所述六階矩陣的公式表示為：

19、

20、式中，為介電常數(shù)，為磁導(dǎo)率。

21、進(jìn)一步地，所述采用四步hie-fdtd算法對四階矩陣形式進(jìn)行求解，計(jì)算每個網(wǎng)格節(jié)點(diǎn)的場強(qiáng)數(shù)據(jù)，包括：

22、所述四步hie-fdtd算法在時域上分解為、、、四個分步，對于每個分步采用半隱式差分格式計(jì)算關(guān)于網(wǎng)格節(jié)點(diǎn)場強(qiáng)數(shù)據(jù)的三對角隱式；

23、采用追趕法對三對角隱式進(jìn)行求解，得到網(wǎng)格節(jié)點(diǎn)場強(qiáng)數(shù)據(jù)。

24、進(jìn)一步地，所述增強(qiáng)模型采用差分深度學(xué)習(xí)網(wǎng)絡(luò)模型，所述差分深度學(xué)習(xí)網(wǎng)絡(luò)模型包括依次連接的增強(qiáng)網(wǎng)絡(luò)和結(jié)構(gòu)相似性網(wǎng)絡(luò)，所述增強(qiáng)網(wǎng)絡(luò)包括自調(diào)節(jié)模塊和差分卷積模塊；

25、利用所述自調(diào)節(jié)模塊和所述差分卷積模塊分別對所述粗網(wǎng)格結(jié)構(gòu)數(shù)據(jù)和所述粗網(wǎng)格場強(qiáng)數(shù)據(jù)進(jìn)行計(jì)算，得到細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征和細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征；

26、利用所述結(jié)構(gòu)相似性網(wǎng)絡(luò)對所述細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征和所述細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征進(jìn)行匹配，計(jì)算相似性特征；

27、基于所述相似性特征，計(jì)算增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)。

28、進(jìn)一步地，所述自調(diào)節(jié)模塊包括依次連接的第一卷積層和第二卷積層，所述第一卷積層的輸出特征和所述第二卷積層的輸出特征經(jīng)第一相加操作后輸出至激活函數(shù)層；

29、所述粗網(wǎng)格結(jié)構(gòu)數(shù)據(jù)作為所述第一卷積層的輸入，所述粗網(wǎng)格結(jié)構(gòu)數(shù)據(jù)的網(wǎng)格尺寸補(bǔ)充信息作為所述第二卷積層的輸入，所述粗網(wǎng)格結(jié)構(gòu)數(shù)據(jù)的偏差向量作為所述第一相加操作的輸入，所述粗網(wǎng)格結(jié)構(gòu)數(shù)據(jù)和所述粗網(wǎng)格結(jié)構(gòu)數(shù)據(jù)的網(wǎng)格尺寸補(bǔ)充信息經(jīng)殘差連接輸出至所述第一相加操作。

30、進(jìn)一步地，所述差分卷積模塊包括依次連接的差分卷積層、尺寸整合層、自注意力機(jī)制層和第三卷積層，所述第三卷積層后連接有激活函數(shù)；

31、所述粗網(wǎng)格場強(qiáng)數(shù)據(jù)作為所述差分卷積層的輸入，所述差分卷積層用于采用差分算法計(jì)算所述粗網(wǎng)格場強(qiáng)數(shù)據(jù)的不同尺寸的場強(qiáng)特征；

32、所述尺寸整合層用于對所述差分卷積層計(jì)算得到的不同尺寸的場強(qiáng)特征進(jìn)行求和，得到重整后的場強(qiáng)特征。

33、進(jìn)一步地，所述差分卷積層的卷積核采用五點(diǎn)差分卷積核、加權(quán)差分卷積核、多尺度差分卷積核、方向性差分卷積核、九點(diǎn)差分卷積核、混合模式差分卷積中的任一種。

34、進(jìn)一步地，所述結(jié)構(gòu)相似性網(wǎng)絡(luò)包括第一分支網(wǎng)絡(luò)、第二分支網(wǎng)絡(luò)、第二相加操作和第一多層感知機(jī)，所述第一分支網(wǎng)絡(luò)和所述第二分支網(wǎng)絡(luò)的輸出均接入所述第二相加操作，所述第二相加操作的輸出連接至所述第一多層感知機(jī)，所述多層感知機(jī)后接有激活函數(shù)。

35、進(jìn)一步地，所述第一分支網(wǎng)絡(luò)包括依次連接的卷積神經(jīng)網(wǎng)絡(luò)層cnn和批正則化操作，所述正則化操作之后接有激活函數(shù)；

36、所述第二分支網(wǎng)絡(luò)包括第二多層感知機(jī)，所述第二多層感知機(jī)之后接有激活函數(shù)。

37、進(jìn)一步地，所述利用所述結(jié)構(gòu)相似性網(wǎng)絡(luò)對所述細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征和所述細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征進(jìn)行匹配，計(jì)算相似性特征，包括：

38、利用所述第一分支網(wǎng)絡(luò)提取所述細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征的結(jié)構(gòu)特征信息，公式表示為：

39、

40、式中，為第條所述細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征的特征信息，為所述細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征，為堆疊的卷積操作，為批正則化操作，為激活函數(shù)；

41、利用所述第二分支網(wǎng)絡(luò)提取所述細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征的場強(qiáng)特征信息，公式表示為：

42、

43、式中，為第條所述細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征的特征信息，為所述細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征，為第二多層感知機(jī)執(zhí)行的操作；

44、利用所述細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征的特征信息和所述細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征的特征信息對應(yīng)的調(diào)制權(quán)重，計(jì)算場強(qiáng)與結(jié)構(gòu)結(jié)合特征，公式表示為：

45、

46、式中，為所述場強(qiáng)與結(jié)構(gòu)結(jié)合特征，和分別表示所述細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征的特征信息和所述細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征的特征信息對應(yīng)的調(diào)制權(quán)重；

47、基于所述場強(qiáng)與結(jié)構(gòu)結(jié)合特征，計(jì)算所述相似性特征，公式表示為：

48、

49、式中，為所述相似性特征，為第一多層感知機(jī)執(zhí)行的操作。

50、進(jìn)一步地，所述基于所述相似性特征，計(jì)算增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)，包括：

51、分別基于所述粗網(wǎng)格結(jié)構(gòu)數(shù)據(jù)、所述粗網(wǎng)格場強(qiáng)數(shù)據(jù)、所述細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征及所述細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征，計(jì)算規(guī)整化的粗網(wǎng)格結(jié)構(gòu)數(shù)據(jù)、規(guī)整化的粗網(wǎng)格場強(qiáng)數(shù)據(jù)、規(guī)整化的細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征和規(guī)整化的細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征；

52、基于所述規(guī)整化的粗網(wǎng)格結(jié)構(gòu)數(shù)據(jù)和所述規(guī)整化的細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征，計(jì)算網(wǎng)格結(jié)構(gòu)一致性；

53、基于所述規(guī)整化的粗網(wǎng)格場強(qiáng)數(shù)據(jù)和規(guī)整化的細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征，計(jì)算網(wǎng)格場強(qiáng)一致性；

54、基于所述網(wǎng)格結(jié)構(gòu)一致性和所述網(wǎng)格場強(qiáng)一致性，計(jì)算網(wǎng)格場強(qiáng)損失補(bǔ)償；

55、基于所述細(xì)網(wǎng)格增強(qiáng)網(wǎng)格結(jié)構(gòu)特征、所述網(wǎng)格場強(qiáng)損失補(bǔ)償和所述相似性特征，計(jì)算細(xì)網(wǎng)格增強(qiáng)結(jié)構(gòu)數(shù)據(jù)；

56、基于所述細(xì)網(wǎng)格增強(qiáng)場強(qiáng)特征、所述網(wǎng)格場強(qiáng)損失補(bǔ)償和所述相似性特征，計(jì)算細(xì)網(wǎng)格增強(qiáng)場強(qiáng)數(shù)據(jù)。

57、進(jìn)一步地，所述增強(qiáng)模型采用生成對抗網(wǎng)絡(luò)模型，所述生成對抗網(wǎng)絡(luò)模型包括生成器和判別器，所述生成器用于對所述粗網(wǎng)格仿真結(jié)果進(jìn)行特征提取，并對提取的特征進(jìn)行循環(huán)倍數(shù)增強(qiáng)，得到增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)；

58、所述判別器包括結(jié)構(gòu)相似模塊、場強(qiáng)一致性模塊和精確度判別模塊，其中：

59、所述結(jié)構(gòu)相似模塊用于計(jì)算增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)和仿真得到的所述真實(shí)細(xì)網(wǎng)格數(shù)據(jù)所包含的結(jié)構(gòu)信息的第一置信度值；

60、所述場強(qiáng)一致性模塊用于計(jì)算增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)和仿真得到的所述真實(shí)細(xì)網(wǎng)格數(shù)據(jù)所包含的場強(qiáng)信息的第二置信度值；

61、所述精確度判別模塊用于拉近增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)和仿真得到的所述真實(shí)細(xì)網(wǎng)格數(shù)據(jù)分布之間的距離。

62、進(jìn)一步地，所述結(jié)構(gòu)相似模塊包括第一結(jié)構(gòu)分支網(wǎng)絡(luò)、第二結(jié)構(gòu)分支網(wǎng)絡(luò)和第一回歸網(wǎng)絡(luò)，所述增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)所包含的增強(qiáng)結(jié)構(gòu)信息和所述真實(shí)細(xì)網(wǎng)格數(shù)據(jù)包含的真實(shí)細(xì)結(jié)構(gòu)信息分別作為所述第一結(jié)構(gòu)分支網(wǎng)絡(luò)和所述第二結(jié)構(gòu)分支網(wǎng)絡(luò)的輸入，所述第一結(jié)構(gòu)分支網(wǎng)絡(luò)和所述第二結(jié)構(gòu)分支網(wǎng)絡(luò)的輸出經(jīng)矩陣乘法操作后輸出結(jié)構(gòu)特征矩陣；

63、所述結(jié)構(gòu)特征矩陣作為所述第一回歸網(wǎng)絡(luò)的輸入，得到關(guān)于所述增強(qiáng)結(jié)構(gòu)信息與所述真實(shí)細(xì)結(jié)構(gòu)信息之間的第一置信度值。

64、進(jìn)一步地，所述場強(qiáng)一致性模塊包括第一增強(qiáng)分支網(wǎng)絡(luò)、第二增強(qiáng)分支網(wǎng)絡(luò)和第二回歸網(wǎng)絡(luò)，所述增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)包含的增強(qiáng)場強(qiáng)信息和所述真實(shí)細(xì)網(wǎng)格數(shù)據(jù)包含的真實(shí)細(xì)場強(qiáng)信息分別作為所述第一增強(qiáng)分支網(wǎng)絡(luò)和所述第二增強(qiáng)分支網(wǎng)絡(luò)的輸入，所述第一增強(qiáng)分支網(wǎng)絡(luò)和所述第二增強(qiáng)分支網(wǎng)絡(luò)的輸出經(jīng)矩陣乘法操作后輸出場強(qiáng)特征矩陣；

65、所述場強(qiáng)特征矩陣作為所述第二回歸網(wǎng)絡(luò)的輸入，得到關(guān)于所述增強(qiáng)場強(qiáng)信息與所述真實(shí)細(xì)場強(qiáng)信息之間的第二置信度值。

66、進(jìn)一步地，所述生成器包括若干級聯(lián)的特征提取與拓展網(wǎng)絡(luò)，每個所述特征提取與拓展網(wǎng)絡(luò)之后連接有多層感知機(jī)；

67、所述特征提取與拓展網(wǎng)絡(luò)包括依次連接的特征提取模塊和特征拓展模塊，上一級所述特征提取與拓展網(wǎng)絡(luò)中特征提取模塊的輸出與下一級所述特征提取與拓展網(wǎng)絡(luò)中特征提取模塊的輸出連接；

68、所述特征提取模塊包括依次連接的第一mlps層、knn層、第二mlps層、最大池化層maxpooling和數(shù)據(jù)壓縮層，所述粗網(wǎng)格仿真結(jié)果作為所述第一mlps層的輸入，所述第一mlps層的輸出與所述第二mlps層的輸出經(jīng)拼接后輸出至所述最大池化層maxpooling，所述粗網(wǎng)格仿真結(jié)果與所述最大池化層maxpooling的輸出拼接后作為所述數(shù)據(jù)壓縮層的輸入，所述數(shù)據(jù)壓縮層的輸出連接所述特征拓展模塊；

69、所述特征拓展模塊用于對所述特征提取模塊輸出的每一個特征后加入一個編碼為1或-1的向量來產(chǎn)生位置擾動。

70、進(jìn)一步地，在將上一級所述特征提取與拓展網(wǎng)絡(luò)中特征提取模塊輸出的特征復(fù)制到下一級所述特征提取與拓展網(wǎng)絡(luò)中特征提取模塊的輸出時，采用插值技術(shù)匹配不同層級的特征。

71、進(jìn)一步地，在采用有限元算法對gis設(shè)備的三維仿真模型進(jìn)行數(shù)值求解時，包括：

72、采用有限元法將gis設(shè)備的仿真模型離散為多個四面體單元，并仿真得到gis全波電磁粗網(wǎng)格仿真結(jié)果，每個所述四面體單元包括若干節(jié)點(diǎn)。

73、進(jìn)一步地，所述采用增強(qiáng)模型對所述粗網(wǎng)格仿真結(jié)果進(jìn)行增強(qiáng)處理，得到增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)，還包括：

74、將gis設(shè)備的仿真模型抽象為網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，并將所述網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中任意相鄰的兩個自由四面體視為一個片單元，其中，表示節(jié)點(diǎn)集合，表示邊集合，網(wǎng)格頂點(diǎn)之間的連線作為邊；

75、以所述粗網(wǎng)格仿真結(jié)果作為初始的基準(zhǔn)特征，采用graphsage算法對每個片單元中的各節(jié)點(diǎn)的鄰居節(jié)點(diǎn)進(jìn)行一次聚合處理，生成新增節(jié)點(diǎn)的初始基準(zhǔn)特征；

76、采用graphsage算法對新增節(jié)點(diǎn)的鄰居節(jié)點(diǎn)進(jìn)行二次聚合處理，生成新增節(jié)點(diǎn)的特征向量表示。

77、進(jìn)一步地，所述以所述粗網(wǎng)格仿真結(jié)果作為初始的基準(zhǔn)特征，采用graphsage算法對每個片單元中的各節(jié)點(diǎn)的鄰居節(jié)點(diǎn)進(jìn)行一次聚合處理，生成新增節(jié)點(diǎn)的初始基準(zhǔn)特征，包括：

78、將各節(jié)點(diǎn)的粗網(wǎng)格仿真結(jié)果作為各節(jié)點(diǎn)的初始基準(zhǔn)特征；

79、遍歷各所述片單元中的每個節(jié)點(diǎn)，以每個節(jié)點(diǎn)的相鄰的所有節(jié)點(diǎn)作為采樣點(diǎn)，獲取該節(jié)點(diǎn)的鄰居集合，并使用聚合函數(shù)聚合節(jié)點(diǎn)對應(yīng)鄰居集合中所有節(jié)點(diǎn)的初始基準(zhǔn)特征，得到一次聚合鄰居特征；

80、連接所述初始基準(zhǔn)特征和聚合鄰居特征得到第一聯(lián)合特征，將第一權(quán)重矩陣與第一聯(lián)合特征進(jìn)行矩陣相乘運(yùn)算后通過一個非線性變換得到一次遍歷后的節(jié)點(diǎn)特征；

81、使用聚合函數(shù)對每個片單元中兩個自由四面體的公共節(jié)點(diǎn)的初始基準(zhǔn)特征進(jìn)行聚合，得到新增節(jié)點(diǎn)的初始基準(zhǔn)特征。

82、進(jìn)一步地，所述采用graphsage算法對新增節(jié)點(diǎn)的鄰居節(jié)點(diǎn)進(jìn)行二次聚合處理，生成新增節(jié)點(diǎn)的特征向量表示，包括：

83、將一次遍歷后的節(jié)點(diǎn)特征作為對應(yīng)節(jié)點(diǎn)新的基準(zhǔn)特征；

84、以各所述片單元中的每個節(jié)點(diǎn)作為新增節(jié)點(diǎn)的鄰居采樣點(diǎn)，以并使用聚合函數(shù)聚合各所述片單元所有節(jié)點(diǎn)新的基準(zhǔn)特征，得到二次聚合鄰居特征；

85、連接所述新增節(jié)點(diǎn)的初始基準(zhǔn)特征與所述二次聚合鄰居特征得到第二聯(lián)合特征，將第二權(quán)重矩陣與第二聯(lián)合特征進(jìn)行矩陣相乘運(yùn)算后通過一個非線性變換得到新增節(jié)點(diǎn)的特征向量表示。

86、進(jìn)一步地，任意相鄰的兩個自由四面體重合的面對應(yīng)生成一個新增節(jié)點(diǎn)。

87、此外，本發(fā)明還提出了一種gis電磁場分布快速高精度仿真器，所述仿真器包括存儲器、處理器；其中，所述處理器通過讀取所述存儲器中存儲的可執(zhí)行程序代碼來運(yùn)行與所述可執(zhí)行程序代碼對應(yīng)的程序，以用于實(shí)現(xiàn)如上所述的gis電磁場分布快速高精度仿真方法。

88、此外，本發(fā)明還提出了一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時，實(shí)現(xiàn)如上所述的gis電磁場分布快速高精度仿真方法。

89、此外，本發(fā)明還提出了一種多結(jié)構(gòu)適配的gis場-電融合實(shí)時狀態(tài)感知與預(yù)警系統(tǒng)，包括信號同步采集與測量嵌入式裝置和工控機(jī)，所述工控機(jī)中設(shè)置有如上所述的仿真器，所述仿真器與信號同步采集與測量嵌入式裝置連接，所述信號同步采集與測量嵌入式裝置用于采集gis局部放電的時域全波形數(shù)據(jù)，所述仿真器用于基于所述時域全波形數(shù)據(jù)得到增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)，所述工控機(jī)用于基于所述時域全波形數(shù)據(jù)和所述增強(qiáng)細(xì)網(wǎng)格數(shù)據(jù)搜索gis局部放電源的實(shí)際放電位置。

90、本發(fā)明的優(yōu)點(diǎn)在于：

91、（1）本發(fā)明首先利用時域有限差分算法或有限元算法對gis設(shè)備的三維仿真模型進(jìn)行數(shù)值求解，可快速的得到粗網(wǎng)格仿真結(jié)果，并以粗網(wǎng)格仿真結(jié)果為數(shù)據(jù)基礎(chǔ)進(jìn)行數(shù)據(jù)增強(qiáng)，得到gis電磁場分布增強(qiáng)的精細(xì)網(wǎng)格數(shù)據(jù)即高精度的網(wǎng)格數(shù)據(jù)，因此本發(fā)明可以快速的得到高精度的gis電磁場分布數(shù)據(jù)。

92、（2）本發(fā)明通過引入更高階的時間積分方案和空間積分方案，能夠顯著提高數(shù)值解的精度和穩(wěn)定性，傳統(tǒng)的fdtd方法可能會受到數(shù)值耗散和數(shù)值色散的影響，而本發(fā)明通過更精確的積分方法可以減少這些問題，特別是在處理長時間仿真或高頻電磁波傳播時尤為有效。對于復(fù)雜結(jié)構(gòu)的電磁場仿真，如有介質(zhì)、非均勻介質(zhì)或非均勻結(jié)構(gòu)的情況，本實(shí)施例采用四步混合顯-隱式時域有限差分(hybrid?implicit?explicit?finite-differencetime-domain,hie-fdtd)方法能夠更好地處理這些復(fù)雜性。其精確的積分和數(shù)值方法可以有效地模擬不同介質(zhì)間的電磁場傳播和相互作用。

93、（3）由于gis電磁場仿真更側(cè)重于設(shè)備和電磁場之間細(xì)節(jié)交互的精確模擬，本發(fā)明設(shè)計(jì)構(gòu)建了差分深度學(xué)習(xí)網(wǎng)絡(luò)模型，該差分深度學(xué)習(xí)網(wǎng)絡(luò)模型中采用了結(jié)合有差分算法的卷積對粗網(wǎng)格場強(qiáng)數(shù)據(jù)進(jìn)行處理，能夠精確模擬gis的電磁場分布，特別是在處理復(fù)雜的幾何結(jié)構(gòu)和邊界條件的情況下；并且利用深度學(xué)習(xí)網(wǎng)絡(luò)優(yōu)化仿真過程，提高仿真精度，同時加速仿真過程，有效縮短了設(shè)計(jì)和評估周期，從而兼顧了gis電磁仿真的精度和效率。

94、（4）通過利用仿真獲取的真實(shí)粗網(wǎng)格數(shù)據(jù)和真實(shí)細(xì)網(wǎng)格數(shù)據(jù)對生成對抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練，利用訓(xùn)練好的生成器即可對實(shí)時仿真得到的真實(shí)粗網(wǎng)格數(shù)據(jù)進(jìn)行增強(qiáng)，生成gis電磁場精細(xì)數(shù)據(jù)，而且由于gis設(shè)備具有一定的物理結(jié)構(gòu)，電磁場仿真的數(shù)據(jù)點(diǎn)不可超出一定范圍，本發(fā)明設(shè)計(jì)的生成器采用循環(huán)倍數(shù)增強(qiáng)旨在粗網(wǎng)格數(shù)據(jù)點(diǎn)間進(jìn)行電磁場增強(qiáng)，在一定程度上保證不超出gis的物理結(jié)構(gòu)范疇，提高了gis電磁場仿真數(shù)據(jù)增強(qiáng)的準(zhǔn)確性。

95、（5）通過采用graphsage算法對有限元法仿真得到gis設(shè)備粗網(wǎng)格數(shù)據(jù)進(jìn)行增強(qiáng)處理，通過graphsage算法后粗網(wǎng)格數(shù)據(jù)中每相鄰的兩個自由四面體之間就會獲得一個由鄰居節(jié)點(diǎn)更新迭代出來的新的節(jié)點(diǎn)數(shù)據(jù)，從而使得在原有網(wǎng)格節(jié)點(diǎn)數(shù)據(jù)基礎(chǔ)上生成更多新的節(jié)點(diǎn)數(shù)據(jù)，完成了對仿真計(jì)算生成的網(wǎng)格節(jié)點(diǎn)數(shù)據(jù)的增強(qiáng)細(xì)化。

96、（6）多結(jié)構(gòu)gis設(shè)備的仿真在確保精度的情況下，仿真所需要的時間勢必會隨著網(wǎng)格的精細(xì)程度上升而增加，本發(fā)明先通過仿真方法獲得相對較粗網(wǎng)格的數(shù)據(jù)解，再通過設(shè)計(jì)的網(wǎng)格數(shù)據(jù)增強(qiáng)方法對求得的數(shù)據(jù)進(jìn)行增強(qiáng)，從而達(dá)到近似較細(xì)網(wǎng)格仿真的數(shù)據(jù)結(jié)果，實(shí)現(xiàn)在盡量不損耗精度的情況下減少時間成本，相較于傳統(tǒng)的仿真方法，在仿真多結(jié)構(gòu)gis設(shè)備這類較為復(fù)雜的設(shè)備模型時存在時間與精度的矛盾，本方案更具適配性。

97、本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。