一种基于知识蒸馏与物理结构提取的变压器磁场预测模型的轻量化方法

本申请公开了一种基于知识蒸馏与物理结构提取的变压器磁场预测模型的轻量化方法，涉及电气设备多物理场仿真与深度学习技术领域。该方法包括：利用包含物理信息的图注意力网络作为教师网络；其次构建轻量化全连接学生网络，在损失函数中引入蒸馏损失与正则化惩罚项进行物理启发式训练，促使相似物理映射功能的神经元权重相互靠近；随后通过层次聚类算法，自适应提取反映变压器内部电磁等效拓扑的物理关系矩阵；最后利用该关系矩阵对学生网络进行参数共享与稀疏化重构。本申请不仅彻底摆脱了传统图网络对复杂空间寻址与高端算力的依赖，还在保留物理定律骨架的前提下，实现了适合工业边缘监测终端的毫秒级快速推理与高精度实时孪生。