SF6替代研究：二维仿真模拟SF6/N2混合气体间隙流注放电

本篇论文深入探讨了人工智能与机器学习在电力工程领域的实际应用，具体聚焦于气体绝缘短间隙流注放电过程的计算机仿真。作者在华北电力大学攻读硕士学位期间，针对SF6（六氟化硫）这种在电力行业中广泛应用的高效熄弧和绝缘介质，由于其温室效应被《京都议定书》限制，推动了对SF6替代气体的研究。SF6/N2混合气体被认为是潜在的替代方案，因此，论文的核心内容是对这种混合气体在电力设备中的放电行为进行了详尽的计算机模拟。 研究者采用了二维流体动力学模型，该模型基于物质守恒定律，构建了描述正负离子及电子流、扩散运动的连续性方程，同时与泊松方程相结合，对空间电场分布进行精确计算。为提高模拟的精度，采用了有限元法中的Flux-CorrectedTransport (FCT) 方法来解决可能出现的数值震荡问题。通过这种方法，论文实现了对SF6混合气体在短间隙条件下的流注放电过程进行动态的、细致入微的仿真，涵盖了放电过程中如碰撞电离、附着、结合和扩散等一系列关键物理过程。 这个仿真模型的建立不仅有助于深入理解这类气体介质的放电机理，而且为后续研发以SF6替代气体为绝缘介质的电力设备提供了重要的理论依据和技术支持。通过人工智能和机器学习技术，论文作者能够高效处理大量的数据，优化计算方法，并可能预测不同条件下的放电行为，从而提升电力系统的安全性和环保性。 这篇硕士论文展示了人工智能在环境友好型电力技术发展中的潜力，特别是在理解和控制气体绝缘系统中的复杂放电现象。这对于推动清洁能源技术的发展和降低温室气体排放具有重要意义。