CN107122506B - 考虑变压器油非线性时间常数的顶层油温热模型构建方法 - Google Patents

考虑变压器油非线性时间常数的顶层油温热模型构建方法 Download PDF

Info

Publication number
CN107122506B
CN107122506B CN201610834328.2A CN201610834328A CN107122506B CN 107122506 B CN107122506 B CN 107122506B CN 201610834328 A CN201610834328 A CN 201610834328A CN 107122506 B CN107122506 B CN 107122506B
Authority
CN
China
Prior art keywords
transformer
oil
oil temperature
temperature
time constant
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610834328.2A
Other languages
English (en)
Other versions
CN107122506A (zh
Inventor
唐文虎
钱瞳
吴青华
余泽远
张然
莫文雄
黄慧红
崔屹平
崔晓飞
马智远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201610834328.2A priority Critical patent/CN107122506B/zh
Publication of CN107122506A publication Critical patent/CN107122506A/zh
Application granted granted Critical
Publication of CN107122506B publication Critical patent/CN107122506B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Housings And Mounting Of Transformers (AREA)
  • Protection Of Transformers (AREA)

Abstract

本发明公开了考虑变压器油非线性时间常数的顶层油温热模型构建方法，针对传统的电力变压器额定负载下油时间常数取值过于单一，限制热模型动态响应能力的缺陷，该模型引入了非线性热导来重新定义变压器油的时间常数，更能动态反映变压器顶层油温随环境温度的变化关系，同时该模型基于变压器的冷却器开或者关两种状态，分别用遗传算法优化构建热模型的相关热参数，弥补了变压器的出厂温升试验数据缺乏或者不完备的不足，利用该模型，可以实时计算变压器的顶层油温随负荷、环境温度、冷却器开关的动态响应，具有更加准确的计算精度，能为变压器的动态增容提供参考。

Description

考虑变压器油非线性时间常数的顶层油温热模型构建方法
技术领域
本发明涉及电力系统变压器领域，尤其是考虑变压器油非线性时间常数的顶层油温热模型构建方法。
背景技术
大型变压器是电力系统的核心设备，其运行状态直接关系到整个电力系统的运行安全。随着超特高压输变电技术的迅速发展，电网容量及其覆盖面进一步扩大，变压器故障会对用户造成重大的影响，甚至会危害电网的安全运行。大型油浸式电力变压器在高负载运行条件下，极易发生过热烧损事故，即使不发生烧损事故，也会使变压器绝缘加速老化，直接影响变压器的正常使用寿命，在变压器故障中过热故障占很大的比重，因此，对变压器进行准确的动态评估，及时发现过热故障，并准确分析故障的性质，迅速处理和排除变压器的过热性故障，对生产运行单位尤为重要。现有的变压器负载能力评估方法没有从本质上反映出变压器热传递中的非线性物理过程，故不能准确计算出变压器最热点温度，其动态响应能力非常不足，尤其在负荷突变和冷却系统切换的工况下。在实际的变压器运行中只是简单使用厂家提供的温升参数进行静态计算，而无法在变化的环境温度、负载波动及冷却器切换的情况下对温升进行准确连续的计算。基于此，本发明建立一种考虑变压器油的时间常数随温度变化的顶层油温热模型，实时计算在环境温度、负载波动及冷却器切换情况下变压器的顶层油温。
发明内容
本发明的目的是针对上述现有技术的不足，提供考虑变压器油非线性时间常数的顶层油温热模型构建方法，该模型可以实时计算变压器的顶层油温随负荷、环境温度、冷却器开关的动态响应，具有更加准确的计算精度，能够为变压器的动态增容提供参考。
本发明的目的可以通过如下技术方案实现：
考虑变压器油非线性时间常数的顶层油温热模型构建方法，包括以下步骤：
1)给定变压器油的密度ρ，体积ν，单位热容cρ，该变压器油的热容C为：
C＝cρρν
类似地，能够求出变压器铁芯、绕组、油箱部件的热容，所述变压器油、变压器铁芯、绕组、油箱部件热容的总和在模型中用集中热容表示，因为在实际中，变压器油的热容占据变压器热容的绝大部分，所以在本顶层油温热模型中，用变压器油的热容C来代替集中热容；
2)将所述顶层油温热模型中的非线性热导G描述为：
G＝aΔθb
其中Δθ表示部件两端的温差，a代表与温差关联的倍数，b代表与温差关联的指数，a和b都是需要优化的参数；
3)将所述顶层油温热模型中的变压器油的非线性时间常数τT定义为：
其中，R表示变压器油的热阻，G表示变压器油的热导，C表示变压器油的热容；
4)将步骤3)中变压器油的非线性时间常数τT引入B.C.Lesieutre改进的IEEE变压器顶层油温模型，重新构建考虑了变压器油的非线性时间常数的顶层油温热模型，构建后的顶层油温热模型表示如下：
其中，变压器油的热导G描述为变压器顶层油温θT与环境温度θa之差的非线性函数，如步骤2)中所述，即G＝a·(θT-θa)b，ΔθT,R是额定负载下的顶层油温升，I是实际负载对额定负载的比值，K是额定负载下的负载损耗对空载损耗的比值，n是温升的经验指数，变压器的冷却方式不同，n的取值不同。
优选地，所述顶层油温热模型包括冷却器开和关两种不同的冷却状态。
优选地，步骤1)中变压器油的热容随温度变化的范围很小，故将变压器油的热容看作为一个常数。
优选地，步骤2)中的参数a与参数b，以及步骤3)中的参数C和步骤4)中的参数ΔθT,R与参数K都采用遗传算法来进行优化处理，目标函数用模型输出的顶层油温与实际监测的顶层油温的均方误差，如下所示：
其中N为样本数量，θT(k)和θT'(k)分别表示变压器某一时刻监测的顶层油温和本顶层油温热模型输出的顶层油温。
优选地，B.C.Lesieutre改进的IEEE变压器顶层油温模型考虑了环境温度变化对顶层油温的影响，其描述如下：
其中τT是任意负载任意温升下的变压器油时间常数，θT是变压器的顶层油温，θa是环境温度，ΔθT,i是初始温升，ΔθT,U是给定负载下的最终温升，ΔθT,U通过如下的方式来计算：
其中ΔθT,R是额定负载下的顶层油温升，I是实际负载对额定负载的比值，K是额定负载下的负载损耗对空载损耗的比值，n是温升的经验指数。
优选地，所述顶层油温热模型的输入量为冷却器开或者关时温升的经验指数、在线监测的连续时间序列的环境温度、负荷电流标幺值以及变压器顶层油温。
优选地，步骤4)中，当变压器冷却方式为ONAN时，n＝0.8，当变压器冷却方式为OFAF时，n＝0.9。
优选地，所述顶层油温热模型需要连续求解时间序列的输入量，使用了Matlab进行求解。
本发明与现有技术相比，具有如下优点和有益效果：
1、本发明利用实际监测得到的变压器的顶层油温、环境温度、负荷等数据，构建变压器热模型，具有较好的计算准确度。
2、本发明通过引入非线性热导重新定义了变压器油的时间常计算数，使变压器的顶层油温能够更好地动态响应负荷电流以及外界环境温度的变化。
3、本发明考虑到了冷却器开和关时变压器油散热的巨大差异，采用不同的参数来构建热模型，从而使模型具备适应冷却器开关动态切换的能力。
4、本发明所构建模型中的相关参数采用遗传算法来进行优化，避免了对变压器出厂温升试验数据地过度依赖，具有较高的推广性。
附图说明
图1为本发明实施例的3月1日某变压器冷却器关时顶层油温监测值和模型输出顶层油温对比图。
图2为本发明实施例的6月1日某变压器冷却器关时顶层油温监测值和模型输出顶层油温对比图。
图3为本发明实施例的9月1日某变压器冷却器关时顶层油温监测值和模型输出顶层油温对比图。
图4为本发明实施例的12月1日某变压器冷却器关时顶层油温监测值和模型输出顶层油温对比图。
图5为本发明实施例的8月20日某变压器冷却器开时顶层油温监测值和模型输出顶层油温对比图。
图6为本发明实施例的12月5日某变压器冷却器关时顶层油温监测值和模型输出顶层油温对比图。
图7为本发明实施例的某变压器冷却器开关动态切换时顶层油温监测值和模型输出顶层油温对比图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例：
图1、图2、图3、图4为某变压器在不同时期冷却器关时的顶层油温监测值和模型输出顶层油温的对比，图5、图6为某变压器在不同时期冷却器开时的顶层油温监测值和模型输出顶层油温的对比，图7为某变压器在一定时间范围内，冷却器开关动态切换时顶层油温监测值和模型输出顶层油温对比。这些对比都是基于本发明的顶层油温热模型计算得出，本发明提出的一种考虑变压器油非线性时间常数的顶层油温热模型构建过程如下：
1)给定变压器油的密度ρ，体积ν，单位热容cρ，该变压器油的热容C为：
C＝cρρν
类似地，能够求出变压器铁芯、绕组、油箱部件的热容，它们的总和在模型中用集中热容表示，因为在实际中，变压器油的热容占据变压器热容的绝大部分，所以在本模型中，用变压器油的热容C来代替集中热容；
2)将本模型中的非线性热导G描述为：
G＝aΔθb
其中Δθ表示部件两端的温差，a代表与温差关联的倍数，b代表与温差关联的指数，a和b都是需要优化的参数；
3)将本模型中的变压器油的非线性时间常数τT定义为：
其中，R表示变压器油的热阻，G表示变压器油的热导，C表示变压器油的热容；
4)将步骤3)中变压器油的非线性时间常数τT引入B.C.Lesieutre改进的IEEE变压器顶层油温模型，重新构建考虑了变压器油的非线性时间常数的顶层油温热模型，得到本模型：
其中，变压器油的热导G可以描述为变压器顶层油温θT与环境温度θa之差的非线性函数，如步骤2)中所述，即G＝a·(θT-θa)b，ΔθT,R是额定负载下的顶层油温升，I是实际负载对额定负载的比值，K是额定负载下的负载损耗对空载损耗的比值，n是温升的经验指数，变压器的冷却方式不同，n的取值不同。
由于遗传算法具有较好的全局搜索能力，步骤2)中的参数a与参数b，以及步骤3)中的参数C和步骤4)中的参数ΔθT,R与参数K都采用遗传算法来进行优化处理，目标函数用模型输出的顶层油温与实际监测的顶层油温的均方误差(Mean Square Error,MSE)，如下所示：
其中N为样本的数量，θT(k)和θT'(k)分别表示变压器某一时刻监测的顶层油温和本模型输出的顶层油温。
下面对本发明的考虑变压器油非线性时间常数的顶层油温热模型作进一步的说明，模型的输入量为冷却器开或者关的经验指数以及在线监测的连续时间序列的环境温度、负荷电流(标幺值)、变压器顶层油温，其中环境温度、负荷电流(标幺值)、变压器顶层油温的样本间隔为1分钟，针对冷却器开关状态的不同，模型包含两套参数，分别是用遗传算法从变压器冷却器开和关这种状态下的监测数据中优化而来，以使得顶层油温与实际监测的顶层油温的均方误差最小的a,b,C,ΔθT,R,K为模型的固定参数。
上述实施例中的变压器的主要铭牌信息见表1，优化所得热模型参数见表2，经分析可得结论：热模型在ONAN(Oil Natural Air Natural)状态或者OFAF(Oil Forced AirForced)状态都具有良好的仿真精度，MSE误差在1.2-1.8之间，对于冷却器正常切换的场景，热模型也能很好地动态反映。
表1变压器的主要铭牌信息
类型 数值
高压侧/低压侧 400.0/132.0(kV)
铁耗 148.3(kW)
额定负载损耗 770.7(kW)
铁芯和绕组重量 125(吨)
变压器油的重量 87.5(吨)
表2顶层油温热模型参数
冷却器 a b C K Δθ<sub>T,R</sub> SSL<sub>max</sub>
ONAN 3.2428 0.3315 224 5.4034 49.6686 1.1328
OFAF 13.9311 0.3108 346 1.5949 25.7103 1.1837
以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (8)

1.考虑变压器油非线性时间常数的顶层油温热模型构建方法，其特征在于：包括以下步骤：
1)给定变压器油的密度ρ，体积ν，单位热容cρ，该变压器油的热容C为：
C＝cρρν
类似地，能够求出变压器铁芯、绕组、油箱部件的热容，所述变压器油、变压器铁芯、绕组、油箱部件热容的总和在模型中用集中热容表示，因为在实际中，变压器油的热容占据变压器热容的绝大部分，所以在本顶层油温热模型中，用变压器油的热容C来代替集中热容；
2)将所述顶层油温热模型中的非线性热导G描述为：
G＝aΔθb
其中Δθ表示部件两端的温差，a代表与温差关联的倍数，b代表与温差关联的指数，a和b都是需要优化的参数；
3)将所述顶层油温热模型中的变压器油的非线性时间常数τT定义为：
其中，R表示变压器油的热阻，G表示变压器油的热导，C表示变压器油的热容；
4)将步骤3)中变压器油的非线性时间常数τT引入B.C.Lesieutre改进的IEEE变压器顶层油温模型，重新构建考虑了变压器油的非线性时间常数的顶层油温热模型，构建后的顶层油温热模型表示如下：
其中，变压器油的热导G描述为变压器顶层油温θT与环境温度θa之差的非线性函数，如步骤2)中所述，即G＝a·(θT-θa)b，ΔθT,R是额定负载下的顶层油温升，I是实际负载对额定负载的比值，K是额定负载下的负载损耗对空载损耗的比值，n是温升的经验指数，变压器的冷却方式不同，n的取值不同。
2.根据权利要求1所述的考虑变压器油非线性时间常数的顶层油温热模型构建方法，其特征在于：所述顶层油温热模型包括冷却器开和关两种不同的冷却状态。
3.根据权利要求1所述的考虑变压器油非线性时间常数的顶层油温热模型构建方法，其特征在于：步骤1)中将变压器油的热容看作为一个常数。
4.根据权利要求1所述的考虑变压器油非线性时间常数的顶层油温热模型构建方法，其特征在于：步骤2)中的参数a与参数b，以及步骤3)中的参数C和步骤4)中的参数ΔθT,R与参数K都采用遗传算法来进行优化处理，目标函数用模型输出的顶层油温与实际监测的顶层油温的均方误差，如下所示：
其中N为样本数量，θT(k)和θT'(k)分别表示变压器某一时刻监测的顶层油温和本顶层油温热模型输出的顶层油温。
5.根据权利要求1所述的考虑变压器油非线性时间常数的顶层油温热模型构建方法，其特征在于：B.C.Lesieutre改进的IEEE变压器顶层油温模型考虑了环境温度变化对顶层油温的影响，其描述如下：
其中τT是任意负载任意温升下的变压器油时间常数，θT是变压器的顶层油温，θa是环境温度，ΔθT,i是初始温升，ΔθT,U是给定负载下的最终温升，ΔθT,U通过如下的方式来计算：
其中ΔθT,R是额定负载下的顶层油温升，I是实际负载对额定负载的比值，K是额定负载下的负载损耗对空载损耗的比值，n是温升的经验指数。
6.根据权利要求1所述的考虑变压器油非线性时间常数的顶层油温热模型构建方法，其特征在于：所述顶层油温热模型的输入量为冷却器开或者关时温升的经验指数、在线监测的连续时间序列的环境温度、负荷电流标幺值以及变压器顶层油温。
7.根据权利要求1所述的考虑变压器油非线性时间常数的顶层油温热模型构建方法，其特征在于：步骤4)中，当变压器冷却方式为ONAN时，n＝0.8，当变压器冷却方式为OFAF时，n＝0.9。
8.根据权利要求1所述的考虑变压器油非线性时间常数的顶层油温热模型构建方法，其特征在于：所述顶层油温热模型需要连续求解时间序列的输入量，使用了Matlab进行求解。
CN201610834328.2A 2016-09-19 2016-09-19 考虑变压器油非线性时间常数的顶层油温热模型构建方法 Active CN107122506B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610834328.2A CN107122506B (zh) 2016-09-19 2016-09-19 考虑变压器油非线性时间常数的顶层油温热模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610834328.2A CN107122506B (zh) 2016-09-19 2016-09-19 考虑变压器油非线性时间常数的顶层油温热模型构建方法

Publications (2)

Publication Number Publication Date
CN107122506A CN107122506A (zh) 2017-09-01
CN107122506B true CN107122506B (zh) 2019-12-10

Family

ID=59717873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610834328.2A Active CN107122506B (zh) 2016-09-19 2016-09-19 考虑变压器油非线性时间常数的顶层油温热模型构建方法

Country Status (1)

Country Link
CN (1) CN107122506B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145617A (zh) * 2016-12-22 2017-09-08 华南理工大学 一种考虑变压器油非线性时间常数的顶层油温热模型
CN107560757B (zh) * 2017-09-05 2020-03-10 杭州电力设备制造有限公司 一种风冷变压器上层油温预估方法和系统
CN108959840A (zh) * 2018-03-23 2018-12-07 国网河北省电力有限公司电力科学研究院 一种变压器冷却效率的计算方法、系统及终端设备
CN109598061A (zh) * 2018-12-03 2019-04-09 西南交通大学 一种变压器群平均寿命损失的监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102890520A (zh) * 2011-07-20 2013-01-23 上海海能信息科技有限公司 一种变压器节能增效控制方法
CN104008288A (zh) * 2014-05-23 2014-08-27 清华大学 一种变压器寿命仿真估计方法
CN104236754A (zh) * 2014-08-21 2014-12-24 国家电网公司 基于箱壁温度的油浸式变压器绕组热点温度监测方法
CN105160202A (zh) * 2015-10-12 2015-12-16 国家电网公司 油浸式变压器绕组热点温度和顶层油温计算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102890520A (zh) * 2011-07-20 2013-01-23 上海海能信息科技有限公司 一种变压器节能增效控制方法
CN104008288A (zh) * 2014-05-23 2014-08-27 清华大学 一种变压器寿命仿真估计方法
CN104236754A (zh) * 2014-08-21 2014-12-24 国家电网公司 基于箱壁温度的油浸式变压器绕组热点温度监测方法
CN105160202A (zh) * 2015-10-12 2015-12-16 国家电网公司 油浸式变压器绕组热点温度和顶层油温计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Improving Reliability Assessment of Transformer Thermal Top-Oil Model Parameters Estimated From Measured Data;Lida Jauregui-Rivera 等;《IEEE TRANSACTIONS ON POWER DELIVERY》;20090131;正文第I-VI节 *
一种简化的油浸式变压器绕组热点温度计算模型;滕黎;《变压器》;20160228;第7-11页 *

Also Published As

Publication number Publication date
CN107122506A (zh) 2017-09-01

Similar Documents

Publication Publication Date Title
CN107122506B (zh) 考虑变压器油非线性时间常数的顶层油温热模型构建方法
CN116304778B (zh) 一种用于小型断路器维护数据处理方法
CN104992377B (zh) 一种基于服役年龄和负荷水平的变压器可靠性分析方法
CN109166705A (zh) 一种变压器强油风冷的智能控制方法
CN108038795B (zh) 基于流线和支持向量机的变压器热点温度反演方法及系统
Padmanaban et al. Determination of power transformers health index using parameters affecting the transformer’s life
CN109598061A (zh) 一种变压器群平均寿命损失的监测方法
CN108197396A (zh) 一种基于pso-svm的高压隔离开关过热状态预测方法
CN111461922A (zh) 一种基于极限学习机的变压器热点温度实时预测方法
Jardini et al. Power transformer temperature evaluation for overloading conditions
CN109344559A (zh) 一种对比光纤测温的变压器热点温升预测方法
Srinivasan et al. Effects of environmental factors in transformer’s insulation life
Wallnerström et al. Potential of dynamic rating in Sweden
CN105404780B (zh) 一种多参数综合分析的变压器过载能力评估方法
Srinivasan et al. Prediction of transformer insulation life with an effect of environmental variables
CN106408016A (zh) 一种配电网停电时间自动识别模型构造方法
Kolesnikov et al. Digital program for diagnosing the status of a power transformer
CN115730256A (zh) 一种基于油温自适应控制的变压器负载增容策略
CN105207210A (zh) 配电网络优化运行方法和系统
Radakovic et al. Loading of transformers in conditions of controlled cooling system
Ben-gang et al. The improved thermal-circuit model for hot-spot temperature calculation of oil-immersed power transformers
Tippannavar et al. Smart transformer-An analysis of recent technologies for monitoring transformer
CN107145617A (zh) 一种考虑变压器油非线性时间常数的顶层油温热模型
Zou et al. Research on digital twins technology and its future implementation in transformer overload analysis
Lai et al. Prediction of top oil temperature for oil-immersed transformer based on Kalman filter algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant