变压器是一类对工作温度敏感的电子元件，过高的工作温度会显著影响变压器的工作效率及寿命。然而，变压器的铁心、线圈绕组等部分均会因电磁损耗而在工作中不断产生热量。不同类型的变压器在结构、材料参数等方面均存在较大差异，而同种类型的变压器由于设计时参数选取不同在温升性能方面同样有所区别。因此，对于变压器在设计阶段的温升的校核仿真显得尤为重要。目前国内外已有不少研究实现了对于温度场的有限元分析。本项目侧重于对现有企业Python脚本工具在干式变压器应用方面的拓展与深化，两位同学分别负责对干式变压器温升进行敏感性分析并拓展参数选择范围、通过机器学习预测变压器温升仿真结果，最终项目实现在参数拓展范围下利用机器学习预测变压器温升从而指导选型。

本项目侧重于对现有企业Python脚本工具在干式变压器应用方面的拓展与深化，两位同学分别负责对干式变压器温升进行敏感性分析并拓展参数选择范围、通过机器学习预测变压器温升仿真结果，最终项目实现在参数拓展范围下利用机器学习预测变压器温升从而指导选型。对于温升敏感性分析，王诗文需要完成对干式变压器气道个数、气道宽度、内外绝缘厚度以及高低压线圈绝缘部分导热系数对于温升的影响并总结规律。对于机器学习预测变压器温升，侯嘉伟需要根据企业提供的数据进行机器学习模型的建立以及重要影响变量的参数敏感性分析。

对于温升敏感性分析，王诗文已完成上述因素对于干式变压器高低压线圈平均与热点温升的影响，并总结规律。在此基础上额外探究了这些因素对于干式变压器热点系数以及变压器传热系数的影响，对于热点系数总结了不同影响因素对其影响而对于传热系数则初步总结了仿真数据，具体结论有待实验与理论探究。对于机器学习预测变压器温升，侯嘉伟根据企业提供的数据建立了多个不同的模型并进行比较，对其中预测精度最高的模型采用SHAP值分析对模型预测结果影响最大的参数，并对该参数进行具体分析。