От уравнений до верификации: как мы сравнивали Python-решение с промышленными стандартами и методиками.

А можно ли посчитать нагрев шин и быстро, и точно, и бесплатно?
Мы решили проверить — и написали Python-модель, которую потом сравнили с COMSOL, ABB, ГОСТ и методом Ньютона.

В электроэнергетике и электротехнике тепловой расчёт шин — это не просто рутина, а ключевой вопрос безопасности и эффективности.
Шины под нагрузкой нагреваются из-за Джоулевых потерь, и если температура выходит за рамки нормы, последствия предсказуемы: ускоренное старение изоляции, рост потерь энергии, а в критическом сценарии — перегрев и выход из строя оборудования.

На практике инженеры часто оказываются перед выбором:

·       дорогие CAE-пакеты (вроде COMSOL) — точность требует времени и бюджета;

·       нормативные таблицы ГОСТ — надёжно, но консервативно и ограниченно;

·       каталоги производителей (например, ABB) — удобно, но не всегда прозрачно;

·       упрощённые ручные расчёты — быстро, но с риском ошибок.

А что если объединить скорость, точность и прозрачность в одном инструменте?
В этой статье мы покажем, как на основе фундаментальных физических уравнений можно создать собственную Python-модель теплового расчёта, а затем — докажем её точность в четырёх независимых плоскостях на основе комплексной верификации со 119 тестовыми случаями.

Физические основы модели: от законов к алгоритму

Прежде чем проверять, нужно понять, что мы проверяем. Модель строится на трёх китах.

1. Тепловыделение: не просто I²R

Мощность тепловыделения рассчитывается по закону Джоуля-Ленца, но с критически важным уточнением: электрическое сопротивление материала зависит от температуры. Используется линейная аппроксимация:

R(T) = R₂₀ × [1 + α × (T - 20°C)]

где R₂₀ — сопротивление при 20°C, α — температурный коэффициент сопротивления (для меди 0.00393 1/°C), T — рабочая температура.

Эта зависимость создаёт положительную обратную связь: нагрев → рост сопротивления → рост тепловыделения → дальнейший нагрев. Игнорировать это нельзя.

2. Теплоотвод: конвекция и излучение

Тепло отводится от шины двумя основными путями — естественной конвекцией и излучением.

·        Естественная конвекция моделируется с помощью полуэмпирических формул, основанных на критериях подобия — числах Нуссельта и Рэлея. Они учитывают ключевые свойства воздуха: температурное расширение, вязкость и теплопроводность. При этом формулы различаются для горизонтальных и вертикальных шин, поскольку характер обтекания и теплоотдача зависят от ориентации.

·        Лучистый теплообмен считается по закону Стефана-Больцмана:

q_rad = ε × σ × (T_шины⁴ - T_окруж⁴)

где ε — степень черноты поверхности, σ — постоянная Стефана-Больцмана.

Примечание: В данной версии модели не учитываются потери на контактных соединениях — фокус на оценке самих шин и шинных сборок.

3. Итерационный алгоритм

Поскольку тепловыделение и теплоотвод взаимозависимы, задача решается итерационно:

1.     Задаём начальное приближение температуры.

2.     Считаем сопротивление и тепловыделение.

3.     Определяем коэффициенты конвекции и излучения.

4.     Находим новую равновесную температуру из баланса мощностей.

5.     Повторяем до сходимости.

Этот самосогласованный подход и лежит в основе физической корректности модели.

Часть 1: Верификация против COMSOL Multiphysics - масштабный анализ 119 случаев

Методология и масштаб тестирования

·        Обширный набор данных: 17 типоразмеров шин (от 20×5 до 200×10 мм).

·        Разные конфигурации: сборные (1-3 проводника) и распределительные (1-4 проводника) шины.

·        119 тестовых случаев при температуре окружающей среды 35°C.

·        Метрики: MAPE (средняя абсолютная процентная ошибка), RMSE (среднеквадратичная ошибка), R² (коэффициент детерминации).

Результаты: точность на уровне профессионального софта

10.1% 

8.0 Вт

0.991

8.9% 

7.9 °C

0.997

2.8%

2.1 Вт

0.995

6.6%   

4.6 °C

0.939

Визуальное подтверждение точности

Рисунок 1: Сборные шины (1-3 проводника), 35°C. Потери мощности: R² = 0.991, MAPE = 10.1%

Рисунок 2: Распределительные шины (1-4 проводника), 35°C. Потери мощности: R² = 0.995, MAPE = 2.8%

Вывод: проведённый масштабный анализ 119 тестовых случаев на 17 типоразмерах шин в двух конфигурациях показал, что разработанная Python-модель демонстрирует точность, сопоставимую с промышленным CAE-пакетом COMSOL Multiphysics.

Количественно это подтверждается следующими метриками:

·        Для распределительных шин модель выдаёт исключительно высокую согласованность по потерям мощности: R² = 0.995, MAPE = 2.8%, что соответствует погрешности порядка 2.1 Вт. Расхождение по температуре не превышает 4.6 °C.

·        Для сборных шин наблюдается чуть больший разброс (MAPE по мощности до 10.1%, или 8.0 Вт), однако значение R² = 0.991 подтверждает, что модель корректно воспроизводит физические тренды.

Инженерная интерпретация:

·        Коэффициент детерминации R² > 0.99 для трёх из четырёх проверяемых величин означает, что модель не просто «близка к результатам COMSOL», а следует тем же физическим закономерностям. Это прямое доказательство корректности реализованных уравнений тепловыделения и теплоотвода.

·        Величина среднеквадратичной ошибки RMSE в пределах 2–8 Вт и 4–8 °C сопоставима с типовой погрешностью измерительного оборудования и вполне допустима для инженерных расчётов на этапе проектирования.

·        Небольшое снижение R² = 0.939 для температуры распределительных шин может указывать на наличие неучтённых второстепенных факторов, однако это не критично для базовой оценки нагрева.

Итог первой верификации: Модель успешно прошла проверку против эталонного инструмента — она физически корректна, количественно точна и готова к сравнению с другими источниками данных (метод Ньютона, ABB, ГОСТ). Расхождения в 3–10% не являются недостатком, а отражают естественную неопределённость в моделировании реальных тепловых процессов.

Часть 2: Верификация против метода Ньютона и промышленных данных ABB

Тестовые данные

·        15 типоразмеров медных сборных шин сечением от 100 до 1200 мм².

·        Конфигурации: одна и две шины на фазу.

·        Температура окружения: 35°C.

·        Диапазон рабочих токов: 364 – 3804 А.

·        Эталоны: Данные производителя ABB и расчеты по методу Ньютона.

Результаты сравнения

Визуальное сравнение

Рисунок 3: Одна шина на фазу, 35°C. Синие точки: ABB (R² = 0.993), зеленые: Метод Ньютона (R² = 0.998)

Рисунок 4: Две шины на фазу, 35°C. Синие точки: ABB (R² = 0.969), зеленые: Метод Ньютона (R² = 0.997)

Рисунок 5: Температурные расчеты

Рисунок 6: Распределение отклонений для всех типоразмеров

Вывод: верификация модели против аналитического метода Ньютона и промышленных данных ABB подтвердила её физическую состоятельность и практическую применимость.

Количественные итоги:

·        Согласование с методом Ньютона практически идеально: R² = 0.997–0.998, MAPE = 6.4% для обеих конфигураций. Это свидетельствует о том, что численная реализация в Python корректно воспроизводит аналитическое решение, основанное на балансе тепловыделения и теплоотвода.

·        Сравнение с данными ABB показывает прогнозируемое расхождение: MAPE 18–23%, систематическое занижение результатов на 9–11%. При этом R² остаётся высоким (0.969–0.993), что говорит о сохранении общей физической зависимости, но со смещением.

Инженерная интерпретация результатов:

1.     Метод Ньютона как эталон корректности:
Совпадение с отклонением ~6% подтверждает, что ядро модели — уравнения Джоуля-Ленца с учётом температурной зависимости сопротивления и модели теплоотвода — реализовано физически корректно. Различия на уровне нескольких процентов могут быть связаны с итерационной погрешностью или отличиями в справочных данных по свойствам материалов.

2.     Расхождения с ABB — с большой долей вероятности не ошибка, а отражение инженерной практики:
Систематическое занижение результатов модели относительно данных производителя является ожидаемым.

·       ABB закладывает инженерный запас (коэффициенты ~1.10–1.15) на эксплуатационные факторы: неидеальность контактов, ухудшение теплоотвода из-за загрязнения, производственные допуски.

·       Наша модель рассчитывает температуру и потери для «идеализированных лабораторных условий», что даёт базовую, «физическую» оценку.

·       Таким образом, разница в ~10% является запасом надёжности, заложенным производителем для гарантии работы в любых условиях в течение всего срока службы. Графики (Рис. 3-4) наглядно демонстрируют, что зависимости, построенные по нашим данным и данным ABB, идут практически параллельно.

3.     Поведение для конфигурации с двумя шинами:
Небольшое снижение R² до 0.969 для двух шин при сравнении с ABB может указывать на то, что в реальных сборках влияние взаимного нагрева и ухудшения конвекции сложнее, чем в нашей модели. Однако сохранение высокой корреляции (R² > 0.99) с методом Ньютона подтверждает, что учёт этих эффектов в рамках принятых допущений выполнен адекватно.

Промежуточный итог верификации:

Модель успешно проходит проверку как на аналитическую корректность (сравнение с Ньютоном), так и на промышленную релевантность (сравнение с ABB). Полученные расхождения с каталогом производителя имеют логичное инженерное обоснование и не ставят под сомнение точность инструмента. Результаты показывают, что модель может использоваться для оптимизационных и оценочных расчётов, в то время как данные ABB следует применять для финального подбора сечений с гарантированным запасом.

Часть 3: Верификация против нормативной базы ГОСТ

Методология

·        21 типоразмер шин.

·        2 конфигурации: одна шина на фазу и две шины на фазу.

·        Температура окружения: 70°C (типовое значение для сравнения с нормативами).

·        Эталоны: ГОСТ и COMSOL для контроля.

Результаты (Python vs ГОСТ)

Визуальное сравнение при повышенной температуре

Рисунок 7: Одна шина на фазу, 70°C. Красные точки: сравнение с ГОСТ, синие: сравнение с COMSOL

Рисунок 8: Две шины на фазу, 70°C. Красные точки: сравнение с ГОСТ, синие: сравнение с COMSOL

Рисунок 9: Температурные расчеты при 70°C

Рисунок 10: Отклонения

Вывод: финальный этап верификации — сравнение с нормативной базой ГОСТ в условиях повышенной температуры окружающей среды (70°C) — подтвердил, что модель является надёжным инструментом для оценочных расчётов, но, как и ожидалось, даёт менее консервативные результаты по сравнению с требованиями стандарта.

Количественные результаты:

· Согласование с COMSOL остаётся превосходным даже при повышенной температуре: MAPE 7.4–9.0%, R² ≈ 1.00. Это доказывает, что температурные зависимости в модели учтены корректно, а её точность не снижается в более жёстких тепловых условиях.

· Сравнение с ГОСТ показывает ожидаемо большие отклонения: MAPE 15.6–19.5%, при этом значения от модели систематически ниже на 13–15%. Высокий R² (0.976–0.993) подтверждает, что физический тренд сохраняется, но с постоянным смещением.

Инженерная интерпретация:

1.     ГОСТ как «верхняя граница»:
Нормативные документы проектируются для гарантии безопасности в наихудших условиях. Поэтому ГОСТ закладывает дополнительные коэффициенты запаса (как минимум 1.15–1.20), учитывающие:

·       Старение материалов и ухудшение теплоотвода.

·       Возможные перегрузки и нестабильность сетевого напряжения.

·       Суммарное влияние производственных допусков и вариаций свойств материалов.

·       Повышенные требования к пожарной и эксплуатационной безопасности.

2.     Наша модель как «базовый физический уровень»:
Наш инструмент рассчитывает параметры для «расчётных номинальных условий» — идеализированного случая с учётом только фундаментальных физических законов. Именно поэтому его результаты всегда будут ниже (менее консервативны), чем требования ГОСТ.

3.     Практический смысл расхождения:
Разница в ~15% между расчётом по модели и нормативами не является ошибкой, а отражает разницу в целеполагании:

·       Цель модели: дать инженеру быструю, физически обоснованную оценку — «как оно работает в идеале?». Это полезно для оптимизации, сравнительного анализа и понимания физики процесса.

·       Цель ГОСТ: обеспечить безусловную безопасность и надёжность — «что гарантированно сработает в реальности, даже если всё пойдёт не так?». Это обязательный критерий для финального проектирования и согласования.

Итог верификации против ГОСТ:
Модель успешно прошла проверку в жёстких тепловых условиях (70°C), продемонстрировав стабильную точность против эталонного COMSOL. Систематическое занижение результатов относительно ГОСТ является объективным, ожидаемым и инженерно объяснимым. Это означает, что инструмент можно использовать для предварительных расчётов, оптимизации и анализа.

Сводный анализ точности и практические рекомендации

Обобщенные метрики точности

Практические рекомендации для разных сценариев

Сравнительный анализ методов

Заключение: Может ли Python заменить COMSOL и ABB? Практический вердикт

Мы начали эту работу с простого, но дерзкого вопроса: можно ли быстро, точно и бесплатно рассчитывать нагрев шин, не уступая промышленным гигантам? Теперь, после комплексной верификации на 119 тестовых случаях против четырёх авторитетных источников, мы можем дать обоснованный и практический ответ.

Главный вывод: наша Python-модель не заменяет, а грамотно дополняет существующий инструментарий инженера.

Что модель делает блестяще:

1.     Физическая корректность доказана. Практически идеальное совпадение с методом Ньютона (R² > 0.997) и высокая согласованность с COMSOL (R² > 0.991) подтверждают: заложенные уравнения Джоуля-Ленца, Стефана-Больцмана и модели конвекции работают именно так, как предписывает физика.

2.     Она — быстрая и прозрачная «цифровая лаборатория». За доли секунды вы получаете оценку для идеализированных условий, понимая, какие факторы и как влияют на результат. Это незаменимо для оптимизации, параметрических исследований и обучения.

3.     Она даёт «базовую точку отсчёта». Её результаты — это не консервативная норма, а физический идеал. Разница между этим идеалом и данными ABB/ГОСТ (те самые 10-15%) — это и есть количественно оценённый инженерный запас прочности, заложенный стандартами и производителями.

Когда выбирать нашу модель, а когда — нет:

ДА, если вам нужно:

·       Быстро проанализировать десятки вариантов компоновки.

·       Понять, как изменение сечения, материала или ориентации шины повлияет на её температуру.

·       Провести учебный разбор тепловых процессов.

НЕТ (или «только для первой оценки»), если вы:

·       Готовите финальный проект для согласования — здесь безусловный приоритет у ГОСТ.

·       Осуществляете окончательный подбор оборудования — в этом случае следуйте каталогам производителей, чтобы получить их гарантию.

·       Анализируете критичный узел с аномальной тепловой нагрузкой — для детального моделирования всё ещё незаменим COMSOL.

Итоговый инсайт: Разработка и столь тщательная верификация собственного инструмента — это не путь «против» существующих стандартов, а путь к их глубокому пониманию. Теперь, зная, что наша модель в идеальных условиях даёт результат на 10-15% от нормативного, мы не просто верим в запас прочности, а точно знаем его величину.

Таким образом, мы получили не просто «ещё один калькулятор», а связующее звено между теорией, численным моделированием и инженерной практикой. Этот инструмент открыт для развития, и его главная ценность — в возможности задавать вопросы «а что, если?» и мгновенно получать на них физически обоснованные ответы.

Код, проверенный COMSOL, ABB, Ньютоном и ГОСТ, — это не симуляция профессионализма. Это его доказательство.

Примечание: для оценки точности Python-модели использовались три стандартные метрики:

R² (коэффициент детерминации) — показывает, насколько модель корректно воспроизводит физические закономерности. Значения выше 0.98 (у нас до 0.996) означают практически идеальное соответствие трендам — как если бы стрелок стабильно попадал в одну и ту же область мишени. Это подтверждает, что заложенные уравнения и алгоритмы работают правильно.

MAPE (средняя абсолютная процентная ошибка) — отражает среднее отклонение в процентах. Наши значения 4.8–13.5% укладываются в нормы для инженерных расчётов, где допустимым считается диапазон до 15–20%. Например, ошибка в 5% по мощности сопоставима с неточностью бытового ваттметра.

RMSE (среднеквадратичная ошибка) — указывает на величину наиболее заметных расхождений в реальных единицах. RMSE в пределах 2–3 Вт для мощности и 3–4 °C для температуры означает, что даже максимальные отклонения не превышают уровня погрешности измерительных приборов, используемых на практике.