本申请涉及电学、热学仿真领域，特别是涉及逆变器仿真方法、装置和计算机设备。
背景技术：
1、逆变器，作为新能源发电系统的关键组件之一，在能源传递、转换以及控制过程中发挥着重要作用，其工作与可靠性能直接关系整个发电系统高效率、高可靠运行。功率半导体器件是逆变器中失效率最高的部分，常见的功率损耗器件包括场效应管或igbt、二极管、变压器、电感等，计算功率器件的损耗与结温对产品效率的评估和预测功率器件的寿命具有重要意义。
2、目前采用的方法主要通过建立功率器件热阻模型预测功率电路上器件的温度，基于器件温度参数来计算功率器件乃至功率电路的效率，但是，现有的逆变器仿真方案呈现仿真时间长、迭代次数多的问题，造成仿真效率低。
技术实现思路
1、在本实施例中提供了一种逆变器仿真方法、装置和计算机设备，以解决相关技术中逆变器仿真效率低的问题。
2、第一方面，在本实施例中提供了一种逆变器仿真方法，所述方法包括：
3、基于逆变器的仿真对象，建立训练数据集和测试数据集；
4、基于所述训练数据集和测试数据集，训练卷积神经网络，得到仿真结果；
5、其中，所述卷积神经网络中的卷积核基于针对所述仿真对象预设的物理场模型和条件模型得到。
6、在其中的一些实施例中，基于逆变器的仿真对象，建立训练数据集和测试数据集，包括：
7、基于逆变器的电路级仿真对象，获取电路结构化几何信息和电路历史结果信息；所述电路结构化几何信息包括电路部件的结构信息和材料信息；
8、基于所述电路结构化几何信息生成电路仿真输入；
9、基于所述电路历史结果信息生成电路仿真结果标签；
10、将所述电路仿真输入和所述电路仿真结果标签分别划分为电路训练数据集和电路测试数据集。
11、在其中的一些实施例中，基于逆变器的仿真对象，建立训练数据集和测试数据集，包括：
12、基于逆变器的系统级仿真对象，获取系统结构化几何信息和系统历史结果信息；所述系统结构化几何信息包括系统部件的结构信息和材料信息；
13、基于所述系统结构化几何信息生成系统仿真输入；
14、基于所述系统历史结果信息生成系统仿真结果标签；
15、将所述系统仿真输入和所述系统仿真结果标签分别划分为系统训练数据集和系统测试数据集。
16、在其中的一些实施例中，所述方法还包括：
17、基于所述仿真对象的仿真输入，定义所述卷积神经网络的池化规则。
18、在其中的一些实施例中，所述方法还包括：
19、定义所述卷积神经网络的全连接层的输入向量和输出向量之间的线性回归关系。
20、在其中的一些实施例中，在所述仿真对象为电路级仿真对象时，所述全连接层的所述输入向量基于电路级仿真对象的训练数据集和测试数据集得到；
21、所述全连接层的所述输出向量为电路级仿真对象的仿真结果。
22、在其中的一些实施例中，在所述仿真对象为系统级仿真对象时，所述全连接层的所述输入向量基于系统级的训练数据集和测试数据集得到；
23、所述全连接层的所述输出向量为系统级的仿真结果。
24、在其中的一些实施例中，在所述仿真对象包括电路级仿真对象和系统级仿真对象时，所述全连接层的所述输入向量基于电路级的训练数据集和测试数据集以及系统级的训练数据集和测试数据集得到；所述全连接层的所述输出向量为电热融合的仿真结果。
25、第二方面，在本实施例中提供了一种逆变器仿真装置，所述装置包括：
26、建立数据集模块，用于基于逆变器的仿真对象，建立训练数据集和测试数据集；
27、训练预测模块，用于基于所述训练数据集和测试数据集，训练卷积神经网络，得到仿真结果；其中，所述卷积神经网络中的卷积核基于所述仿真对象的物理场模型和条件模型得到。
28、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的逆变器仿真方法。
29、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的逆变器仿真方法。
30、与相关技术相比，在本实施例中提供的逆变器仿真方法、装置和计算机设备，通过基于逆变器的仿真对象，建立训练数据集和测试数据集；基于所述训练数据集和测试数据集，训练卷积神经网络，得到仿真结果；其中，所述卷积神经网络中的卷积核基于针对所述仿真对象预设的物理场模型和条件模型得到，解决了仿真效率低的问题，实现了减少迭代次数，快速获取仿真的稳态结果。
31、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
1.一种逆变器仿真方法，其特征在于，所述方法包括：
2.根据权利要求1所述的逆变器仿真方法，其特征在于，基于逆变器的仿真对象，建立训练数据集和测试数据集，包括：
3.根据权利要求1所述的逆变器仿真方法，其特征在于，基于逆变器的仿真对象，建立训练数据集和测试数据集，包括：
4.根据权利要求1所述的逆变器仿真方法，其特征在于，所述方法还包括：
5.根据权利要求2或权利要求3任一项所述的逆变器仿真方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的逆变器仿真方法，其特征在于，在所述仿真对象为电路级仿真对象时，所述全连接层的所述输入向量基于电路级仿真对象的训练数据集和测试数据集得到；
7.根据权利要求5所述的逆变器仿真方法，其特征在于，在所述仿真对象为系统级仿真对象时，所述全连接层的所述输入向量基于系统级的训练数据集和测试数据集得到；
8.根据权利要求5所述的逆变器仿真方法，其特征在于，在所述仿真对象包括电路级仿真对象和系统级仿真对象时，所述全连接层的所述输入向量基于电路级的训练数据集和测试数据集以及系统级的训练数据集和测试数据集得到；
9.一种逆变器仿真装置，其特征在于，所述装置包括：
10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至权利要求8中任一项所述的逆变器仿真方法。
