CN110705069A - Ti2N传感器检测油中溶解气体的仿真方法 - Google Patents

Ti2N传感器检测油中溶解气体的仿真方法 Download PDF

Info

Publication number
CN110705069A
CN110705069A CN201910904617.9A CN201910904617A CN110705069A CN 110705069 A CN110705069 A CN 110705069A CN 201910904617 A CN201910904617 A CN 201910904617A CN 110705069 A CN110705069 A CN 110705069A
Authority
CN
China
Prior art keywords
sensor
gas
oil
energy
dissolved gas
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.)
Granted
Application number
CN201910904617.9A
Other languages
English (en)
Other versions
CN110705069B (zh
Inventor
桂银刚
何鑫
王微波
杨凌
朱燕
马昊
王珊
贾晋峰
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.)
State Grid Corp of China SGCC
Southwest University
Chongqing City Power Supply Co of State Grid Chongqing Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southwest University
Chongqing City Power Supply Co of State Grid Chongqing Electric Power Co Ltd
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 State Grid Corp of China SGCC, Southwest University, Chongqing City Power Supply Co of State Grid Chongqing Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910904617.9A priority Critical patent/CN110705069B/zh
Publication of CN110705069A publication Critical patent/CN110705069A/zh
Application granted granted Critical
Publication of CN110705069B publication Critical patent/CN110705069B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明公开了一种Ti2N传感器检测油中溶解气体特征组分的仿真计算方法,包括如下步骤:S1.确定几种主要的油中溶解气体特征组分,包括H2,CH4以及C2H2并建立对应分子模型;S2.确定Ti2N最稳定的电子构型;S3.计算该Ti2N构型对油中溶解气体的吸附能力、电子转移量,并获取吸附后的电导率变化;S4.利用S3中的吸附能力和电导率数据得到Ti2N单层对不同特征气体的气敏响应特征。通过上述方法,可以准确、有效的对Ti2N传感器检测油中溶解气体特征组分的能力和响应特性仿真,从而利于对Ti2N传感器的特性进行准确把握,便于后续对油中溶解气体进行监测时准确表征变压器设备的动态特性。

Description

Ti2N传感器检测油中溶解气体的仿真方法
技术领域
本发明涉及一种传感器仿真方法,尤其涉及一种Ti2N传感器检测油中溶解气体的仿真方法。
背景技术
变压器油是石油类的液体,有燃烧的可能性,环保方面有缺点。但由于变压器油具有性能优良和价格低廉的特点,绝大多数的电力变压器仍使用变压器油作为绝缘和冷却介质。19世纪末,变压器开始使用变压器油作为绝缘和冷却介质,出现了油浸式变压器,变压器油除天然存储量丰富、价格低廉外,由于变压器油具有下列特点,因而得到广泛的应用。油浸式电力变压器占全部变压器的90%以上,被认为是高压电力系统中最重要,最有价值的设备。
然而,长期运行的变压器中不可避免的绝缘缺陷。因电场、水分、温度和机械力等诸多作用会使绝缘老化。如过热,局部放电和高能放电,可能会使变压器的工作状态恶化导致严重的电力事故,如漏油,火灾和大规模停电。同时,这些故障会将内部填充的绝缘油分解成氢气(H2)和其他几种烃类气体,如甲烷(CH4),乙烷(C2H6),乙烯(C2H4)和乙炔(C2H2),相应地溶解到油中。不同的故障条件下生成的分解产物种类与浓度具有一定的特征,能够以此对故障的类型和严重程度进行判断。因此,监测变压器油中的溶解气体,称为溶解气体分析(DGA),已被认为是一种方便的方法,能可靠地估算变压器的运行状态,保证电力系统的稳定运行,同时减少对国民经济的损害。根据不同特征气体的组成成分对变压器中的故障进行判断时,应该能确定故障时变压器油中气体组成成分与故障类型的对应关系,这种规律可以依据经验来总结。因此,一些专家们,在总结实际研究现象的基础上,得出变压器油中特征气体法。而IEC(国际电工委员会)组织在此方法的基础上,推出了一系列标准方法。而在我国的DL/T722-2000变压器油中溶解气体分析和判断导则中,对变压器油中溶解气体的分析方法推荐的是三比值法。在众多可能的方法中,电阻式传感器由于其结构简单,灵敏度高,响应速度快,成本低,功耗低等优点,可以通过理想的电阻率型传感器在线检测油中的溶解气体产物。
发明内容
有鉴于此,本发明提出一种Ti2N传感器检测油中溶解气体的仿真计算方法,可以准确、有效的对Ti2N单层传感器检测油中溶解气体特征组分的能力和响应特性仿真计算,用于准确表征变压器的动态特性。
本发明提供的一种Ti2N传感器检测油中溶解气体的仿真计算方法,包括如下步骤:
S1.确定几种主要的油中溶解气体特征组分,包括H2,CH4以及C2H2并建立对应分子模型;
S2.确定Ti2N最稳定的电子构型;
S3.计算该Ti2N构型对油中溶解气体的吸附能力、电子转移量,并获取吸附后的电导率变化;
S4.利用S3中的吸附能力和电导率数据得到Ti2N单层对不同特征气体的气敏响应特征。进一步,步骤S2中,根据如下方法确定Ti2N最稳定的电子结构:
S2-1:使用Modify-Electronic Configuration-Spin对Ti2N单层上下表面的Ti原子指定自旋方向和数量,包括两种配置方式:指定两层Ti原子为铁磁型构型或者指定为反铁磁型,通过比较最终的能量高低判断Ti2N的磁性构型,并基于此模型展开后续工作;
S2-2:使用Materials Studio软件构建2×2的超晶胞模型,并基于软件的DMol3模块执行密度泛函理论(Density functional theory,DFT);选择Perdew-Burke-Ernzerhof(PBE)的广义梯度近似(GGA)来计算几何优化;同时并用Grimme方法做修正;为了保证模型层与层之间无相互干扰,设置层与层之间的真空距离为
Figure BDA0002212910250000031
S2-3:能量收敛精度为1×10-5Ha,最大应力为
Figure BDA0002212910250000032
最大位移为
Figure BDA0002212910250000033
DMol3的Calculation中“Setup”自选项页中,优化精度/质量(Quality)选择最高项:“Fine”,“Task”修改为“Geometry Optimization”。
自洽场(self-consistent field,SCF)公差为1×10-6,将DIIS大小设置为6,加快SCF收敛速度,为确保精度,更改“Electronic”子选项页的Monkhorst-Pack(MP)网络K点设置为密集的13×13×1;
DMol3的Calculation中,“Properties”子选项页中,勾选“Band structure”、“Density of states”、“Electron density”、“Electrostatics”、“Population analysis”五个选项,并将“Density of states”态密度(DOS)的MP K点设置为更密集的19×19×2,几何结构优化计算后,比较铁磁型和反铁磁型构型的总能量,确定最稳定掺杂构型。
进一步,步骤S1中,还包括对特征分解组分的分子结构进行优化的步骤:
S1-1.使用Materials Studio软件画出分子结构,并基于Materials Studio软件的DMol3模块构建并执行密度泛函数理论,选择Perdew-Burke-Ernzerhof的广义梯度近似函数GGA对分子结构进行优化得到稳定分子模型;
优化时参数选择如下:
能量收敛精度为1×10-5Ha,最大应力为
Figure BDA0002212910250000035
最大位移为DMol3的Calculation中“Setup”自选项页中,优化精度/质量(Quality)选择最高项:“Fine”,“Task”修改为“Geometry Optimization”。
自洽场(self-consistent field(SCF))公差为1×10-6,将DIIS大小设置为6,加快SCF收敛速度;
DMol3的Calculation中,“Properties”子选项页中,勾选“Density of states”、“Electron density”、“Electrostatics”、“Population analysis”四个选项。
进一步,步骤S3中,具体步骤如下:
将油中溶解气体的特征组分以不同的姿态靠近稳定的Ti2N结构的表面,并按照S1-1的步骤对吸附特征分解组分的Ti2N结构进行优化;
采用在Materials Studio软件的DMol3模块进行各能量以及电子转移量的计算,其中,Materials Studio软件的DMol3模块进行如下方式设置:能量收敛精度为1×10-5Ha,最大应力为最大位移为
Figure BDA0002212910250000042
DMol3的Calculation中“Setup”自选项页中,优化精度/质量(Quality)选择最高项:“Fine”;“Properties”子选项页中“Task”修改为“Energy”,然后修改“Electronic”子选项页的MP K点为1×1×1,“Properties”子选项页中,只勾选Orbitals,并确保Orbitals的HOMO、LUMO。
进一步,步骤S3中,吸附能根据如下公式计算:
Eab=Etot(ab)-Etot(molecule)-Etot(Ti2N)
Eab为吸附能,Etot(ab)为掺杂结构吸附分子后的总能量,Etot(molecule)为被吸附气体的分子总能量,Etot(Ti2N)为Ti2N晶胞能量。
进一步,步骤S3中,掺杂结构吸附特征分解组分后的电阻变化率R%根据如下方法确定:
Figure BDA0002212910250000043
Rstable表示传感器在被测气体中的电阻稳定值,R0表示传感器在真空中的初始稳定电阻。
进一步,步骤S3中,根据如下方法确定出Ti2N传感器对油中溶解气体的特征组分的气敏响应特性:
确定出Ti2N传感器的响应时间,该时间为被测气体通入到传感器中,传感器的电阻值变化达到稳定电阻值的90%时所需要的时间;
确定出Ti2N传感器的恢复时间,该时间为Ti2N传感器在被测气体中达到电阻稳定值后,对传感器进行抽真空处理,使被测气体脱离传感器,在脱离过程中,传感器的阻值恢复到初始稳定电阻时所需要的时间;
由响应时间以及恢复时间为坐标横轴,以电阻变化率为纵轴得到传感器的气敏响应特性曲线。
本发明的有益效果:通过本发明,可以准确、有效的对Ti2N传感器检测有种溶解气体特征组分的能力和响应特性仿真,从而利于对Ti2N传感器的特性进行准确把握,便于后续对有种溶解气体进行监测时准确表征变压器设备的动态特性,利于对变压器设备内的故障的类型和严重程度进行判断,能够准确的发现变压器内部潜伏性绝缘缺陷,避免发生因潜伏性绝缘缺陷造成的突发性故障。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1为本发明的流程图。
图2为稳定的Ti2N晶胞模型,(a)为铁磁构型,(b)为反铁磁构型。
图3为Ti2N对吸附不同油中溶解气体特征组分后的态密度曲线图。
图4为优化后的H2分子结构模型。
图5为优化后的CH4分子结构模型。
图6为优化后的C2H2分子结构模型。
具体实施方式
以下结合说明书附图对本发明做出进一步详细说明:
本发明提供的一种Ti2N传感器检测油中溶解气体的仿真计算方法,包括如下步骤:
S1.确定几种主要的油中溶解气体特征组分,包括H2,CH4以及C2H2并建立对应分子模型;
S2.确定Ti2N最稳定的电子构型;
S3.计算该Ti2N构型对油中溶解气体的吸附能力、电子转移量,并获取吸附后的电导率变化;
S4.利用S3中的吸附能力和电导率数据得到Ti2N单层对不同特征气体的气敏响应特征。
本实施例中,步骤S2中,根据如下方法确定Ti2N最稳定的电子结构:
S2-1:使用“Modify-Electronic Configuration-Spin”对Ti2N单层上下表面的Ti原子指定自旋方向和数量。一种配置是指定两层Ti原子为铁磁型构型,另一种则指定为反铁磁型。通过比较最终的能量高低判断Ti2N的磁性构型,并基于此模型展开后续工作。
S2-2:使用Materials Studio(MS)软件构建2×2的超晶胞模型,并基于软件的DMol3模块执行密度泛函理论(Density functional theory,DFT)。选择Perdew-Burke-Ernzerhof(PBE)的广义梯度近似(GGA)来计算几何优化。同时并用Grimme方法做修正。为了保证模型层与层之间无相互干扰,设置层与层之间的真空距离为
Figure BDA0002212910250000061
S2-3:能量收敛精度为1×10-5Ha,最大应力为
Figure BDA0002212910250000062
最大位移为
Figure BDA0002212910250000063
Figure BDA0002212910250000064
DMol3的Calculation中“Setup”自选项页中,优化精度/质量(Quality)选择最高项:“Fine”,“Task”修改为“Geometry Optimization”。
自洽场(self-consistent field,SCF)公差为1×10-6,将DIIS大小设置为6,加快SCF收敛速度,为确保精度,更改“Electronic”子选项页的Monkhorst-Pack(MP)网络K点设置为密集的13×13×1。
DMol3的Calculation中,“Properties”子选项页中,勾选“Band structure”、“Density of states”、“Electron density”、“Electrostatics”、“Population analysis”五个选项,并将“Density of states”态密度(DOS)的MP K点设置为更密集的19×19×2,几何结构优化计算后,比较铁磁型和反铁磁型构型的总能量,确定最稳定掺杂构型。
本实施例中,步骤S1中,还包括对特征分解组分的分子结构进行优化的步骤:
S1-1.使用Materials Studio软件画出分子结构,并基于Materials Studio软件的DMol3模块构建并执行密度泛函数理论,选择Perdew-Burke-Ernzerhof的广义梯度近似函数GGA对分子结构进行优化得到稳定分子模型;
优化时参数选择如下:
能量收敛精度为1×10-5Ha,最大应力为
Figure BDA0002212910250000071
最大位移为
Figure BDA0002212910250000072
DMol3的Calculation中“Setup”自选项页中,优化精度/质量(Quality)选择最高项:“Fine”,“Task”修改为“Geometry Optimization”。
自洽场(self-consistent field(SCF))公差为1×10-6,将DIIS大小设置为6,加快SCF收敛速度。
DMol3的Calculation中,“Properties”子选项页中,勾选“Density of states”、“Electron density”、“Electrostatics”、“Population analysis”四个选项。
本实施例中,步骤S3中,具体步骤如下:
将油中溶解气体的特征组分以不同的姿态靠近稳定的Ti2N结构的表面,并按照S1-1的步骤对吸附特征分解组分的Ti2N结构进行优化;
采用在Materials Studio软件的DMol3模块进行各能量以及电子转移量的计算,其中,Materials Studio软件的DMol3模块进行如下方式设置:能量收敛精度为1×10-5Ha,最大应力为
Figure BDA0002212910250000073
最大位移为
Figure BDA0002212910250000074
DMol3的Calculation中“Setup”自选项页中,优化精度/质量(Quality)选择最高项:“Fine”;“Properties”子选项页中“Task”修改为“Energy”,然后修改“Electronic”子选项页的MP K点为1×1×1,“Properties”子选项页中,只勾选Orbitals,并确保Orbitals的HOMO、LUMO。
本实施例中,步骤S3中,吸附能根据如下公式计算:
Eab=Etot(ab)-Etot(molecule)-Etot(Ti2N)
Eab为吸附能,Etot(ab)为掺杂结构吸附分子后的总能量,Etot(molecule)为被吸附气体的分子总能量,Etot(Ti2N)为Ti2N晶胞能量。
本实施例中,步骤S3中,掺杂结构吸附特征分解组分后的电阻变化率R%根据如下方法确定:
Figure BDA0002212910250000081
Rstable表示传感器在被测气体中的电阻稳定值,R0表示传感器在真空中的初始稳定电阻。
本实施例中,步骤S3中,根据如下方法确定出Ti2N传感器对油中溶解气体的特征组分的气敏响应特性:
确定出Ti2N传感器的响应时间,该时间为被测气体通入到传感器中,传感器的电阻值变化达到稳定电阻值的90%时所需要的时间;
确定出Ti2N传感器的恢复时间,该时间为Ti2N传感器在被测气体中达到电阻稳定值后,对传感器进行抽真空处理,使被测气体脱离传感器,在脱离过程中,传感器的阻值恢复到初始稳定电阻时所需要的时间;
由响应时间以及恢复时间为坐标横轴,以电阻变化率为纵轴得到传感器的气敏响应特性曲线。
以下以具体实例对本发明做出进一步详细说明:
构建Ti2N的铁磁和反铁磁构型模型,其优化后的两种晶胞模型如图2所示,其能量和优化好的气体分子能量如表1所示:
Figure BDA0002212910250000082
表1各分子和Ti2N两种电子构型的总能量
由关吸附能数据表(表2)可知,,Ti2N单层对于H2、C2H2的吸附能均大于化学吸附临界值(0.8eV),且吸附能力较强,而对于CH4气体吸附能小,考虑为物理吸附,吸附能力弱,故本实施过程不对CH4气体进行气敏性分析。主要对H2、C2H2两种吸附能力强的气体分析气敏特性变化。
Figure BDA0002212910250000083
表2 Ti2N对三种特征气体的吸附数据
利用S3中的吸附能力和电导率数据得到Ti2N单层对不同特征气体的气敏响应特性。
分析图3可知,对于H2、C2H2两种吸附能力很强的气体,Ti2N吸附它们后电导率均有较明显的减小。在态密度图上体现为费米能级(虚线处)的值减少。电子从价带往导带跃迁的可能性减小。综上可得,该实施过程的结果为:Ti2N对于油中溶解特征气体有较强的吸附能力以及明显的电导率变化,证实了本方法提到的种Ti2N传感器检测油中溶解气体特征组分的仿真计算方法的可行性。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种Ti2N传感器检测油中溶解气体的仿真方法,其特征在于:包括如下步骤:
S1.确定几种主要的油中溶解气体特征组分,包括H2,CH4以及C2H2并建立对应分子模型;
S2.确定Ti2N最稳定的电子构型;
S3.计算该Ti2N构型对油中溶解气体的吸附能力、电子转移量,并获取吸附后的电导率变化;
S4.利用S3中的吸附能力和电导率数据得到Ti2N单层对不同特征气体的气敏响应特征。
2.根据权利要求1所述Ti2N传感器检测油中溶解气体的仿真方法,其特征在于:步骤S2中,根据如下方法确定Ti2N最稳定的电子结构:
S2-1:使用Modify-Electronic Configuration-Spin对Ti2N单层上下表面的Ti原子指定自旋方向和数量,包括两种配置方式:指定两层Ti原子为铁磁型构型或者指定为反铁磁型,通过比较最终的能量高低判断Ti2N的磁性构型,并基于此模型展开后续工作;
S2-2:使用Materials Studio软件构建2×2的超晶胞模型,并基于软件的DMol3模块执行密度泛函理论,选择Perdew-Burke-Ernzerhof的广义梯度近似函数来计算几何优化,同时并用Grimme方法做修正,且设置层与层之间的真空距离为
Figure FDA0002212910240000011
S2-3:能量收敛精度为1×10-5Ha,最大应力为
Figure FDA0002212910240000012
最大位移为
Figure FDA0002212910240000013
DMol3的Calculation中“Setup”自选项页中,优化精度/质量选择最高项Fine,Task修改为Geometry Optimization;
自洽场公差为1×10-6,将DIIS大小设置为6,加快SCF收敛速度,为确保精度,更改“Electronic”子选项页的Monkhorst-Pack网络K点设置为密集的13×13×1;
DMol3的Calculation中,“Properties”子选项页中,勾选“Band structure”、“Densityof states”、“Electron density”、“Electrostatics”、“Population analysis”五个选项,并将“Density of states”态密度的MP K点设置为更密集的19×19×2,几何结构优化计算后,比较铁磁型和反铁磁型构型的总能量,确定最稳定掺杂构型。
3.根据权利要求2所述Ti2N传感器检测油中溶解气体的仿真方法,其特征在于:步骤S1中,还包括对特征分解组分的分子结构进行优化的步骤:
S1-1.使用Materials Studio软件画出分子结构,并基于Materials Studio软件的DMol3模块构建并执行密度泛函数理论,选择Perdew-Burke-Ernzerhof的广义梯度近似函数GGA对分子结构进行优化得到稳定分子模型;
优化时参数选择如下:
能量收敛精度为1×10-5Ha,最大应力为
Figure FDA0002212910240000023
最大位移为
Figure FDA0002212910240000024
DMol3的Calculation中“Setup”自选项页中,优化精度/质量选择最高项:“Fine”,“Task”修改为“Geometry Optimization”;
自洽场公差为1×10-6,将DIIS大小设置为6,加快SCF收敛速度;
DMol3的Calculation中,“Properties”子选项页中,勾选“Density of states”、“Electron density”、“Electrostatics”、“Population analysis”四个选项。
4.根据权利要求3所述Ti2N传感器检测油中溶解气体的仿真方法,其特征在于:步骤S3中,具体步骤如下:
将油中溶解气体的特征组分以不同的姿态靠近稳定的Ti2N结构的表面,并按照S1-1的步骤对吸附特征分解组分的Ti2N结构进行优化;
采用在Materials Studio软件的DMol3模块进行各能量以及电子转移量的计算,其中,Materials Studio软件的DMol3模块进行如下方式设置:能量收敛精度为1×10-5Ha,最大应力为
Figure FDA0002212910240000021
最大位移为
Figure FDA0002212910240000022
DMol3的Calculation中“Setup”自选项页中,优化精度/质量Quality选择最高项:“Fine”;“Properties”子选项页中“Task”修改为“Energy”,然后修改“Electronic”子选项页的MP K点为1×1×1,“Properties”子选项页中,只勾选Orbitals,并确保Orbitals的HOMO、LUMO。
5.根据权利要求4所述Ti2N传感器检测油中溶解气体的仿真方法,其特征在于:步骤S3中,吸附能根据如下公式计算:
Eab=Etot(ab)-Etot(molecule)-Etot(Ti2N)
Eab为吸附能,Etot(ab)为掺杂结构吸附分子后的总能量,Etot(molecule)为被吸附气体的分子总能量,Etot(Ti2N)为Ti2N晶胞能量。
6.根据权利要求5所述Ti2N传感器检测油中溶解气体的仿真方法,其特征在于:步骤S3中,掺杂结构吸附特征分解组分后的电阻变化率R%根据如下方法确定:
Figure FDA0002212910240000031
Rstable表示传感器在被测气体中的电阻稳定值,R0表示传感器在真空中的初始稳定电阻。
7.根据权利要求6所述Ti2N传感器检测油中溶解气体的仿真方法,其特征在于:步骤S3中,根据如下方法确定出Ti2N传感器对油中溶解气体的特征组分的气敏响应特性:
确定出Ti2N传感器的响应时间,该时间为被测气体通入到传感器中,传感器的电阻值变化达到稳定电阻值的90%时所需要的时间;
确定出Ti2N传感器的恢复时间,该时间为Ti2N传感器在被测气体中达到电阻稳定值后,对传感器进行抽真空处理,使被测气体脱离传感器,在脱离过程中,传感器的阻值恢复到初始稳定电阻时所需要的时间;
由响应时间以及恢复时间为坐标横轴,以电阻变化率为纵轴得到传感器的气敏响应特性曲线。
CN201910904617.9A 2019-09-24 2019-09-24 Ti2N传感器检测油中溶解气体的仿真方法 Active CN110705069B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910904617.9A CN110705069B (zh) 2019-09-24 2019-09-24 Ti2N传感器检测油中溶解气体的仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910904617.9A CN110705069B (zh) 2019-09-24 2019-09-24 Ti2N传感器检测油中溶解气体的仿真方法

Publications (2)

Publication Number Publication Date
CN110705069A true CN110705069A (zh) 2020-01-17
CN110705069B CN110705069B (zh) 2022-12-13

Family

ID=69196189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910904617.9A Active CN110705069B (zh) 2019-09-24 2019-09-24 Ti2N传感器检测油中溶解气体的仿真方法

Country Status (1)

Country Link
CN (1) CN110705069B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CH667740A5 (en) * 1984-03-14 1988-10-31 Bbc Brown Boveri & Cie Monitoring acetylene formed in insulating oil by glow discharge - using adsorbent colour change after other diffuse gases removed
JPH02170957A (ja) * 1988-12-22 1990-07-02 Nippon Mining Co Ltd 加工性に優れたチタン材の製造方法
US20050032244A1 (en) * 2003-08-04 2005-02-10 Shuming Nie Porous materials embedded with nanospecies, methods of fabrication thereof, and methods of use thereof
US20090114387A1 (en) * 2007-11-05 2009-05-07 Schlumberger Technology Corp. Methods for identifying compounds useful for producing heavy oils from underground reservoirs
WO2010022321A1 (en) * 2008-08-21 2010-02-25 Georgia Tech Research Corporation Gas sensors, methods of preparation thereof, methods of selecting gas sensor materials, and methods of use of gas sensors
CN101701940A (zh) * 2009-10-26 2010-05-05 南京航空航天大学 基于svm和dga的变压器在线故障诊断方法
KR20110036102A (ko) * 2008-09-30 2011-04-06 신닛뽄세이테쯔 카부시키카이샤 낮은 접촉 저항을 가지는 고체 고분자형 연료 전지 세퍼레이터용 티타늄재 및 그 제조 방법
CN102495109A (zh) * 2011-12-07 2012-06-13 天津大学 一种基于wo3单晶颗粒的氮氧化物传感器元件的制备方法
CN103500249A (zh) * 2013-09-25 2014-01-08 重庆大学 可视化继电保护整定计算系统及方法
CN103512860A (zh) * 2012-06-19 2014-01-15 中南大学 一种基于太赫兹波光子晶体光纤的变压器油溶解气体监测方法
CN106228024A (zh) * 2016-08-03 2016-12-14 国网山东省电力公司电力科学研究院 一种针对油色谱在线监测数据的多视图协同可视分析方法
US20190212293A1 (en) * 2018-01-05 2019-07-11 King Fahd University Of Petroleum And Minerals Hydrogen gas sensor and a method of fabricating thereof

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CH667740A5 (en) * 1984-03-14 1988-10-31 Bbc Brown Boveri & Cie Monitoring acetylene formed in insulating oil by glow discharge - using adsorbent colour change after other diffuse gases removed
JPH02170957A (ja) * 1988-12-22 1990-07-02 Nippon Mining Co Ltd 加工性に優れたチタン材の製造方法
US20050032244A1 (en) * 2003-08-04 2005-02-10 Shuming Nie Porous materials embedded with nanospecies, methods of fabrication thereof, and methods of use thereof
US20090114387A1 (en) * 2007-11-05 2009-05-07 Schlumberger Technology Corp. Methods for identifying compounds useful for producing heavy oils from underground reservoirs
WO2010022321A1 (en) * 2008-08-21 2010-02-25 Georgia Tech Research Corporation Gas sensors, methods of preparation thereof, methods of selecting gas sensor materials, and methods of use of gas sensors
US20110197657A1 (en) * 2008-08-21 2011-08-18 Gole James L Gas Sensors, Methods of Preparation Thereof, Methods of Selecting Gas Sensor Materials, and Methods of Use of Gas Sensors
KR20110036102A (ko) * 2008-09-30 2011-04-06 신닛뽄세이테쯔 카부시키카이샤 낮은 접촉 저항을 가지는 고체 고분자형 연료 전지 세퍼레이터용 티타늄재 및 그 제조 방법
CN101701940A (zh) * 2009-10-26 2010-05-05 南京航空航天大学 基于svm和dga的变压器在线故障诊断方法
CN102495109A (zh) * 2011-12-07 2012-06-13 天津大学 一种基于wo3单晶颗粒的氮氧化物传感器元件的制备方法
CN103512860A (zh) * 2012-06-19 2014-01-15 中南大学 一种基于太赫兹波光子晶体光纤的变压器油溶解气体监测方法
CN103500249A (zh) * 2013-09-25 2014-01-08 重庆大学 可视化继电保护整定计算系统及方法
CN106228024A (zh) * 2016-08-03 2016-12-14 国网山东省电力公司电力科学研究院 一种针对油色谱在线监测数据的多视图协同可视分析方法
US20190212293A1 (en) * 2018-01-05 2019-07-11 King Fahd University Of Petroleum And Minerals Hydrogen gas sensor and a method of fabricating thereof

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YINGANG GUI ET AL: "Adsorption of SF6 Decomposition Components on Pt-Doped Graphyne Monolayer: A DFT Study", 《DIGITAL OBJECT IDENTIFIER》 *
吴明忠等: "TiC/Ni粉SHS法合成及(TiC/Ni)-Al涂层亚音速火焰喷涂制备", 《佳木斯大学学报(自然科学版)》 *

Also Published As

Publication number Publication date
CN110705069B (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
CN102680814B (zh) 一种变压器故障严重程度的诊断方法
CN103245519B (zh) 变压器油纸绝缘老化评估与寿命预测的装置及其预测方法
Liao et al. Adsorption properties of InP3 monolayer toward SF6 decomposed gases: A DFT study
Kong et al. Adsorption of SF6 decomposed species on Ti3C2O2 and Ti3C2F2 with point defects by DFT study
CN106770698A (zh) 一种基于pdhid多组分气体的gis设备故障诊断方法
CN101951010B (zh) 一种小电流接地系统的接地保护方法
Velásquez et al. Root cause analysis for shunt reactor failure in 500 kV power system
CN110705069B (zh) Ti2N传感器检测油中溶解气体的仿真方法
Tian et al. Adsorption performance of Cu-HfSe2 on air decomposition products: a first-principles study
KR101325177B1 (ko) 유중가스 조성비를 통한 유입변압기의 내부결함 진단방법
CN112697195B (zh) 高压套管负荷气压温度在线监测诊断方法
CN106248912B (zh) 一种变压器油老化的表征方法
CN112699500A (zh) 高压套管内气体瞬态温度测算和状态诊断方法
CN114720613A (zh) 一种油浸式变压器油色谱氢气超标故障判断方法
Jiang et al. Favorable and strain-tunable sensing property of chalcogenide-defected Janus SnSSe monolayer towards thermal runaway fault gases in a lithium-ion battery
Wu-liang Analysis of life cycle characteristics of power transformer based on linear regression
Feng et al. Quantitative analysis and comparison of offline and online methods used to detect the core multi-point grounding fault
Zhang et al. Noble metal (Pd, Pt) doped ZnO: A promising complementary array for DGA in transformer oil based on DFT method
Yu et al. Research on pressure-based detection technology for partial overheat insulation defect of oil-less power equipment
CN107843789A (zh) 变压器绕组整体老化试验方法
Jin et al. Detection of acetylene dissolved in transformer oil using sno 2/rgo nanocomposite gas sensor
CN110887617B (zh) 检测添加剂法定量判断有载分接开关渗漏油的方法
Cote Investigating catalyst coated membrane equilibration time for polymer electrolyte membrane fuel cell manufacturing
Zhang et al. Research on the multi-parameter-based detection scheme for current transformers
Collazos et al. Characterization of Faults in Power Transformers Based on Oil Chromatographic Analysis in the Coastal Zone

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