CN113123990A - 基于油指数辨识的油浸式变压器风扇风量异常监测方法 - Google Patents
基于油指数辨识的油浸式变压器风扇风量异常监测方法 Download PDFInfo
- Publication number
- CN113123990A CN113123990A CN202110478333.5A CN202110478333A CN113123990A CN 113123990 A CN113123990 A CN 113123990A CN 202110478333 A CN202110478333 A CN 202110478333A CN 113123990 A CN113123990 A CN 113123990A
- Authority
- CN
- China
- Prior art keywords
- oil
- transformer
- air
- temperature
- fan
- 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
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/008—Stop safety or alarm devices, e.g. stop-and-go control; Disposition of check-valves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F27/00—Details of transformers or inductances, in general
- H01F27/08—Cooling; Ventilating
- H01F27/085—Cooling by ambient air
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F27/00—Details of transformers or inductances, in general
- H01F27/08—Cooling; Ventilating
- H01F27/10—Liquid cooling
- H01F27/12—Oil cooling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
Abstract
本发明公开了一种基于油指数辨识的油浸式变压器冷却系统风扇风量异常监测方法,所述方法包括建立油浸式变压器在油浸自冷和油浸风冷两种冷却模式下的温升模型、进行变压器的顶层油温计算、对比两种模式下的变压器油指数,从而得到反映风扇风量状态的特征量。所述监测方法根据变压器现场油温数据,通过实时监测变压器油指数的变化趋势来反映风扇运行状态。作为冷却系统风扇的异常状态监测方法,该方法利用变压器油温数据对风扇风量状况进行实时、连续的在线监测,可以弥补现有的风扇定期人工检测方法的不足,大大提高风扇早期故障检测的效率和准确性。
Description
技术领域
本发明涉及一种基于油指数辨识的油浸式变压器风扇风量异常监测方法,用于监测油浸式变压器冷却系统风扇的风量异常,属于电力变压器在线监测技术领域。
背景技术
变压器作为电力系统中的关键设备,其安全稳定的运行对于电能的可靠传输起着关键性的作用。电力负荷的快速增长让变压器面临着过负荷、绕组热点温度超出限值的潜在风险,进而影响变压器的绕组绝缘和使用寿命。为了确保变压器温升在规程范围内,使其长期可靠运行,保证变压器冷却系统正常运行,其重要性不言而喻。
目前对油浸式变压器冷却系统的研究主要集中在对冷却系统的智能控制、结构改造、散热器的结构优化及冷却性能的提高等,关于变压器外部冷却风扇故障辨识的相关文献报道很少。此外,在工程实际中,以变压器为主的电力设备的状态检测方法主要是定期的设备检修,不能实现对变压器外置风扇实时、连续的状态监测,且难以发现风扇的潜发性故障。风扇的风量直接反映风扇运行状态的优良,因此,为了实现对变压器风扇运行异常与否的实时监测和早期故障预警,有必要找出反映风扇风量变化的关键特征量,并研究其随风扇风量改变的变化趋势。而油浸式变压器的顶层油温是直接反映自身运行状况的主要特征参量,包含了丰富的信息,将其与风扇的状态监测结合起来,通过分析变压器顶层油温在动态变化中蕴含的特征信息,对特征量进行分析和评估,对于研究冷却风扇运行状态的智能化评估尤为关键。
因此,针对现有的油浸式变压器冷却系统风扇状态定期人工检修方法的不足,提出一种基于油指数辨识的油浸式变压器风扇风量异常监测方法,对于提高检修效率和风扇的早期故障预警具有重要意义。
发明内容
本发明的目的是提供一种基于油指数辨识的油浸式变压器风扇风量异常监测方法,通过对油浸式变压器顶层油温升的理论建模找出反映区别变压器冷却方式的油指数,进而根据变压器现场的实时顶层油温数据监测油指数的变化趋势,判断风扇风量运行状态是否异常,解决背景技术中现存的问题。
本发明目的是通过下面的技术方案实现的:
一种基于油指数辨识的油浸式变压器风扇风量异常监测方法,其特征在于包含如下步骤:
步骤1:收集油浸式变压器的铭牌信息、散热器的尺寸、散热片数、冷却系统风扇的额定风速、环境温度、变压器负载系数、现场顶层油温数据,分别建立变压器在油浸自冷(ONAN)和油浸风冷(ONAF)冷却方式下的顶层油温计算模型;
步骤2:根据所述的变压器温升模型,计算变压器在不同负载率下的变压器顶层油温;
步骤3:根据获得的顶层油温,利用双对数线性回归和最小二乘法拟合并对比两种冷却方式下的变压器油指数,以此作为判断变压器冷却方式的依据,进一步判断风扇运行风量是否异常;
步骤4:根据收集的变压器顶层油温数据,实时监测变压器油指数的变化趋势,确定油浸式变压器两种冷却方式的油指数变化正常阈值范围;
步骤5:判断油浸式变压器的油指数辨识值是否超出阈值范围,如果是,启动风扇预警警报,否则返回步骤4。
进一步的,所述油浸式变压器在油浸自冷模式下的顶层油温计算模型如下:
h=γ((1/ρCpQ)oil-(1/ρCpQ)air)
Toil2-Tair2=(Toil1-Tair1)e-hL
式中,ΔT为绝缘油温相对于环境温度的差值,roil、rq、rair分别为油流侧、散热器壁、空气侧的传热系数,ρoil、(CP)oil、Qoil分别为绝缘油的密度、比热容、平均流量,ρair、(CP)air、Qair分别为空气的密度、比热容、平均流量,Toil2、Toil1分别为变压器顶层油温和底层油温,Tair2、Tair1分别为散热器出口和进口空气温度,L为散热器高度,h为中间计算变量。
进一步的,所述变压器一台散热器总的散热片数为N,由于同一台散热器总有部分散热片不能被风扇吹到,因此设N1片散热片处于ONAN模式的散热功率为P1,N2片散热片处于ONAF模式的散热功率为P2,变压器在油浸风冷模式下的顶层油温计算模型如下:
h=γ((1/ρCpQ)oil-(1/ρCpQ)air)
Toil2-Tair2=(Toil1-Tair1)e-hL
P=P1+P2
N=N1+N2
Toil2=Toil2N=ToilF
Qoil=QoilN+QoilF
式中,ΔT为绝缘油温相对于环境温度的差值,roil、rq、rair分别为油流侧、散热器壁、空气侧的传热系数,ρoil、(CP)oil、Qoil分别为绝缘油的密度、比热容、平均流量,ρair、(CP)air、Qair分别为空气的密度、比热容、平均流量,Toil2、Toil1分别为变压器顶层油温和底层油温,Tair2、Tair1分别为散热器出口和进口空气温度,L为散热器高度,h为中间计算变量,P为绕组的总损耗功率,Toil2、Qoil分别为散热器进口油温和整体进口油流量,Toil2N、QoilN、Toil2F、QoilF分别为ONAN和ONAF模式下的散热器进口油温和平均油流量。
进一步的,所述负载系数K=I/Ir,其中Ir为变压器额定电流,I为负载电流。
进一步的,利用双对数线性回归和最小二乘法拟合油指数,拟合直线的斜率即为油指数,解释变量X和被解释变量Y计算公式如下:
X=ln(1+R·K2/1+R)
Y=ln(ΔTK/ΔT0)
Y=nX
式中,ΔTK为顶层油温升,ΔT0为额定温升,K为负载系数,R为额定负载损耗与空载损耗之比,n为拟合的油指数。
进一步的,根据IEC 60076-7导则推荐的油浸式变压器顶层油温热模型
将其离散化为如下的fitness函数形式,为下一步的油指数辨识做准备:
Δθoil(t)=θoil(t)-θoil(t-1)
式中,n为油指数,Δθoil,rated为变压器额定温升,τoil为油时间常数,θoil为顶层油温,θamb为环境温度,Δt为采样间隔,R为额定负载损耗与空载损耗之比。
输入t时刻的负载系数、环境温度、顶层油温数据,采用粒子群算法对fitness函数进行全局寻优,当预测油温与实测油温误差达到设定范围内时输出此时的油指数。
采用上述技术方案所产生的有益效果在于:
1、本发明针对油浸式变压器的运行参数和散热器尺寸,基于能量、动量、油流量守恒建立了变压器在油浸自冷和油浸风冷冷却方式下的顶层油温计算模型,精确地找出了区别油浸式变压器两种冷却方式的特征参量,从而进一步研究对风扇风量状态的准确监测;
2、本发明通过对油浸式变压器的现场顶层油温数据的分析,实时观察油指数的变化趋势,实现了对风扇风量异常的在线监测,弥补了现有的人工定期检修技术的不足,提高了风扇状态检修的效率,实现风扇早期故障预警;
3、本发明能够及时发现冷却系统风扇的异常运行状态,确保变压器油温在合理的范围之类,保障油浸式变压器的长期安全、稳定运行。
附图说明
图1是本发明实施例的技术流程图;
图2是本发明实施例油浸式变压器油浸风冷温升建模耦合示意图;
图3是本发明实施例变压器油指数对比图;
图4是本发明实施例变压器油指数辨识趋势图。
具体实施方式
下面结合具体实施方式并对照附图对本发明进行说明。需要强调的是,此处所描述的具体实施案例仅仅用以解释本发明专利,并不用于限定本发明专利构思及其权利要求之范围。
变压器作为电力系统中的关键设备,其安全稳定的运行对于电能的可靠传输起着关键性的作用。电力负荷的快速增长让变压器面临着过负荷、绕组热点温度超出限值的潜在风险,进而影响变压器的绕组绝缘和使用寿命。为了确保变压器温升在规程范围内,使其长期可靠运行,保证变压器冷却系统正常运行,其重要性不言而喻。目前工程实际中对于风扇的状态检修多为人工定期检测,不能实现对风扇运行状态实时、连续的在线监测,难以及时发现风扇异常。因此,本发明实施例结合油浸式变压器的运行参数和散热器参数对顶层油温升进行建模,找出能准确反映风扇运行状态的油指数作为特征参量,利用变压器现场顶层油温数据在线监测油指数变化趋势,及时反映风扇风量异常状态,具体流程图如图1所示。
具体来说,本发明实施例提供的一种基于油指数辨识的油浸式变压器风扇风量异常监测方法,包含如下步骤:
步骤1:收集油浸式变压器的铭牌信息、散热器的尺寸、散热片数、冷却系统风扇的额定风速、环境温度、变压器负载系数、现场顶层油温数据,分别建立变压器在油浸自冷(ONAN)和油浸风冷(ONAF)冷却方式下的顶层油温升模型。
步骤2:根据所述的变压器温升模型,计算变压器在不同负载率下的变压器顶层油温升;
步骤3:根据获得的顶层油温升,利用双对数线性回归和最小二乘法拟合并对比两种冷却方式下的变压器油指数,以此作为判断变压器冷却方式的依据,确定风扇运行风量状态是否异常;
步骤4:根据收集的变压器顶层油温数据,实时监测变压器油指数的变化趋势,确定油浸式变压器两种冷却方式的油指数变化阈值范围;
步骤5:判断油浸式变压器的油指数辨识值是否超出阈值范围,如果是,启动风扇预警警报,否则返回步骤4。
进一步的,所述油浸式变压器在油浸自冷模式下的顶层油温计算模型如下:
h=γ((1/ρCpQ)oil-(1/ρCpQ)air)
Toil2-Tair2=(Toil1-Tair1)e-hL
式中,ΔT为绝缘油温相对于环境温度的差值,roil、rq、rair分别为油流侧、散热器壁、空气侧的传热系数,ρoil、(CP)oil、Qoil分别为绝缘油的密度、比热容、平均流量,ρair、(CP)air、Qair分别为空气的密度、比热容、平均流量,Toil2、Toil1分别为变压器顶层油温和底层油温,Tair2、Tair1分别为散热器出口和进口空气温度,L为散热器高度。
进一步的,所述变压器一台散热器总的散热片数为N,由于同一台散热器总有部分散热片不能被风扇吹到,因此设N1片散热片处于ONAN模式的散热功率为P1,N2片散热片处于ONAF模式的散热功率为P2,变压器在油浸风冷模式下的顶层油温计算模型如下:
h=γ((1/ρCpQ)oil-(1/ρCpQ)air)
Toil2-Tair2=(Toil1-Tair1)e-hL
P=P1+P2
N=N1+N2
Toil2=Toil2N=ToilF
Qoil=QoilN+QoilF
式中,ΔT为绝缘油温相对于环境温度的差值,roil、rq、rair分别为油流侧、散热器壁、空气侧的传热系数,ρoil、(CP)oil、Qoil分别为绝缘油的密度、比热容、平均流量,ρair、(CP)air、Qair分别为空气的密度、比热容、平均流量,Toil2、Toil1分别为变压器顶层油温和底层油温,Tair2、Tair1分别为散热器出口和进口空气温度,L为散热器高度,h为中间计算变量,P为绕组的总损耗功率,Toil2、Qoil分别为散热器进口油温和整体进口油流量,Toil2N、QoilN、Toil2F、QoilF分别为ONAN和ONAF模式下的散热器进口油温和平均油流量。
进一步的,所述负载系数K=I/Ir,其中Ir为变压器额定电流,I为负载电流。
进一步的,利用双对数线性回归和最小二乘法拟合油指数,拟合直线的斜率即为油指数,解释变量X和被解释变量Y计算公式如下:
X=ln(1+R·K2/1+R)
Y=ln(ΔTK/ΔT0)
Y=nX
式中,ΔTK为顶层油温升,ΔT0为额定温升,K为负载系数,R为额定负载损耗与空载损耗之比,n即为拟合的油指数。
进一步的,根据IEC 60076-7导则推荐的油浸式变压器顶层油温热模型
将其离散化为如下所示的fitness函数形式:
Δθoil(t)=θoil(t)-θoil(t-1)
式中,n为油指数,Δθoil,rated为变压器额定温升,τoil为油时间常数,θoil为顶层油温,θamb为环境温度,Δt为采样间隔,R为额定负载损耗与空载损耗之比。
输入t时刻的负载系数、环境温度、顶层油温数据,PSO对fitness函数进行全局寻优,当预测油温与实测油温误差达到设定范围内时输出此时的油指数。
实施例
以一台额定容量为30MVA,额定电压为220kV的油浸式变压器为例,其参数如下表1所示,计算传热系数过程涉及的固体和流体的密度、运动粘度,热导率等物理参数如下表2、3所示,表4为散热片设计参数取值,由于90%以上的热量都由散热片与空气间的对流散热带走,故本实施例中只考虑空气侧的传热系数。
表1变压器参数
表2散热片物理参数
表3流体材料物理参数
表4散热器设计参数取值
油浸自冷(ONAN)模式计算模型中,传热系数计算如下:
γair=Nuairλair/L
Raair=Grair Prair
Grair=gβair(Toil-Tair)L3/vair 2
Prair=ρairvairCpair/λair
式中,λair为空气的热导率,Toil为油流温度,Tair为空气温度,Nuair、Raair、Groil、Prair分别是空气的努塞尔数、瑞利数、格拉斯霍夫数和普朗特数,g为重力加速度,βair为空气的热膨胀系数,L为散热器高度,vair为空气的运动粘度,ρair为空气密度,(Cp)air为空气的比热容。
油浸风冷(ONAF)模式计算模型中,见图2,传热系数计算公式同ONAN,风速VairF为外部输入参数参与变压器的温升求解,空气的平均雷诺数和平均努塞尔数分别计算如下:
式中,VairF为空气平均流速,vair为空气的运动粘度,L为散热器高度,NuairF、ReairF、PrairF分别是强迫对流下空气的努塞尔数、雷诺数和普朗特数
根据上述公式,代入各种物理参数表达式,计算负载系数K=0.2、0.4、0.6、0.8、1.0、1.2、1.4时的油温方程,计算得到油浸式变压器在两种模式下的顶层油温升,根据负载系数及其对于的油温值,拟合并对比油指数,得到ONAN、ONAF两种冷却模式下的油指数分别为0.8213和0.9280,如图3所示。
根据已获得的油浸式变压器的现场顶层油温、负载系数、环境温度、风扇开闭情况,输入油温数据、负载系数、环境温度,利用粒子群优化算法对fitness函数进行全局寻优,当误差达到预定范围时输出油指数,油指数变化趋势如图4所示,由图可知当风扇数量下降后,风量减少,变压器油温上升,油指数数值从0.9-0.95范围下降到0.8-0.85范围内,通过油指数的变化趋势,确定油浸式变压器在两种冷却方式下的油指数变化阈值范围,如表5所示。从监测的变化趋势可以看出,油指数能间接反映风扇风量的变化情况,从而可用于监测风扇运行时的风量异常。
表5油指数变化范围
Claims (6)
1.一种基于油指数辨识的油浸式变压器风扇风量异常监测方法,其特征在于包含如下步骤:
步骤1:收集油浸式变压器的铭牌信息、散热器的尺寸信息、散热片数、冷却系统风扇的额定风速、环境温度、变压器负载系数、现场顶层油温数据,分别建立变压器在油浸自冷(ONAN)和油浸风冷(ONAF)冷却方式下的顶层油温升模型;
步骤2:根据所述的变压器温升模型,计算变压器在不同负载率下的变压器顶层油温;
步骤3:根据获得的顶层油温,利用双对数线性回归和最小二乘法拟合并对比两种冷却方式下的变压器油指数,以此作为判断变压器冷却方式的依据,作为下一步判断风扇运行风量是否异常的可视化指标;
步骤4:根据收集的变压器顶层油温数据,实时监测变压器油指数的变化趋势,确定油浸式变压器两种冷却方式的油指数正常变化阈值范围;
步骤5:根据辨识的油指数变化趋势,判断其是否超出阈值范围,如果是,启动风扇预警警报,否则返回步骤4。
2.根据权利要求1所述的基于油指数辨识的油浸式变压器风扇风量异常监测方法,其特征在于,步骤1中,变压器在油浸自冷(ONAN)模式下的顶层油温计算模型如下:
h=γ((1/ρCpQ)oil-(1/ρCpQ)air)
Toil2-Tair2=(Toil1-Tair1)e-hL
式中,ΔT为绝缘油温相对于环境温度的差值,roil、rq、rair分别为油流侧、散热器壁、空气侧的传热系数,ρoil、(CP)oil、Qoil分别为绝缘油的密度、比热容、平均流量,ρair、(CP)air、Qair分别为空气的密度、比热容、平均流量,Toil2、Toil1分别为变压器顶层油温和底层油温,Tair2、Tair1分别为散热器出口和进口空气温度,L为散热器高度,h为中间计算量。
3.根据权利要求2所述的基于油指数辨识的油浸式变压器风扇风量异常监测方法,其特征在于,步骤1中,一台散热器总的散热片数为N,由于同一台散热器总有部分散热片无法被风扇吹到,因此设N1片散热片处于ONAN模式的散热功率为P1,N2片散热片处于ONAF模式的散热功率为P2,所述变压器在油浸风冷(ONAF)模式下的顶层油温计算模型如下:
h=γ((1/ρCpQ)oil-(1/ρCpQ)air)
Toil2-Tair2=(Toil1-Tair1)e-hL
P=P1+P2
N=N1+N2
Toil2=Toil2N=ToilF
Qoil=QoilN+QoilF
式中,ΔT为绝缘油温相对于环境温度的差值,roil、rq、rair分别为油流侧、散热器壁、空气侧的传热系数,ρoil、(CP)oil、Qoil分别为绝缘油的密度、比热容、平均流量,ρair、(CP)air、Qair分别为空气的密度、比热容、平均流量,Toil2、Toil1分别为变压器顶层油温和底层油温,Tair2、Tair1分别为散热器出口和进口空气温度,L为散热器高度,h为中间计算量,P为绕组的总损耗功率,Toil2、Qoil分别为散热器进口油温和整体进口油流量,Toil2N、QoilN、Toil2F、QoilF分别为ONAN和ONAF模式下散热器进口油温和平均油流量。
4.根据权利要求3所述的基于油指数辨识的油浸式变压器风扇风量异常监测方法,其特征在于,步骤1中,负载系数K=I/Ir,其中Ir为变压器额定电流,I为负载电流。
5.根据权利要求4所述的基于油指数辨识的油浸式变压器风扇风量异常监测方法,其特征在于,步骤3中,利用双对数线性回归和最小二乘法拟合油指数,拟合直线的斜率即为油指数,解释变量X和被解释变量Y计算公式如下:
X=ln(1+R·K2/1+R)
Y=ln(ΔTK/ΔT0)
Y=nX
式中,ΔTK为顶层油温升,ΔT0为额定温升,K为负载系数,R为额定负载损耗与空载损耗之比,n为拟合的油指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110478333.5A CN113123990B (zh) | 2021-04-30 | 2021-04-30 | 基于油指数辨识的油浸式变压器风扇风量异常监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110478333.5A CN113123990B (zh) | 2021-04-30 | 2021-04-30 | 基于油指数辨识的油浸式变压器风扇风量异常监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113123990A true CN113123990A (zh) | 2021-07-16 |
CN113123990B CN113123990B (zh) | 2022-04-08 |
Family
ID=76780840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110478333.5A Active CN113123990B (zh) | 2021-04-30 | 2021-04-30 | 基于油指数辨识的油浸式变压器风扇风量异常监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113123990B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113946170A (zh) * | 2021-10-14 | 2022-01-18 | 云南电网有限责任公司电力科学研究院 | 一种变压器冷却装置的自适应控制方法及系统 |
CN114252811A (zh) * | 2022-01-13 | 2022-03-29 | 国网山东省电力公司淄博供电公司 | 一种配电变压器故障检测方法及检测装置 |
CN116499531A (zh) * | 2023-06-27 | 2023-07-28 | 中能国研(北京)电力科学研究院 | 一种电力设备状态评估方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104199484A (zh) * | 2013-12-05 | 2014-12-10 | 国家电网公司 | 基于整体温度监测的油浸变压器智能冷却控制温度测定方法及装置 |
CN105807690A (zh) * | 2016-05-09 | 2016-07-27 | 国网宁夏电力公司检修公司 | 基于ad采样的变压器冷却器精确智能控制装置 |
CN106021759A (zh) * | 2016-05-26 | 2016-10-12 | 广东电网有限责任公司惠州供电局 | 变压器故障识别方法及系统 |
CN108920774A (zh) * | 2018-06-11 | 2018-11-30 | 西南交通大学 | 一种油浸式变压器内部温度监测方法 |
CN109240195A (zh) * | 2018-10-19 | 2019-01-18 | 江苏方天电力技术有限公司 | 油浸式换流变压器冷却系统控制方法及控制系统 |
CN112461390A (zh) * | 2020-10-16 | 2021-03-09 | 国网江苏省电力有限公司电力科学研究院 | 一种适用于油浸式变压器的分布式比较型测温模块及方法 |
-
2021
- 2021-04-30 CN CN202110478333.5A patent/CN113123990B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104199484A (zh) * | 2013-12-05 | 2014-12-10 | 国家电网公司 | 基于整体温度监测的油浸变压器智能冷却控制温度测定方法及装置 |
CN105807690A (zh) * | 2016-05-09 | 2016-07-27 | 国网宁夏电力公司检修公司 | 基于ad采样的变压器冷却器精确智能控制装置 |
CN106021759A (zh) * | 2016-05-26 | 2016-10-12 | 广东电网有限责任公司惠州供电局 | 变压器故障识别方法及系统 |
CN108920774A (zh) * | 2018-06-11 | 2018-11-30 | 西南交通大学 | 一种油浸式变压器内部温度监测方法 |
CN109240195A (zh) * | 2018-10-19 | 2019-01-18 | 江苏方天电力技术有限公司 | 油浸式换流变压器冷却系统控制方法及控制系统 |
CN112461390A (zh) * | 2020-10-16 | 2021-03-09 | 国网江苏省电力有限公司电力科学研究院 | 一种适用于油浸式变压器的分布式比较型测温模块及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113946170A (zh) * | 2021-10-14 | 2022-01-18 | 云南电网有限责任公司电力科学研究院 | 一种变压器冷却装置的自适应控制方法及系统 |
CN114252811A (zh) * | 2022-01-13 | 2022-03-29 | 国网山东省电力公司淄博供电公司 | 一种配电变压器故障检测方法及检测装置 |
CN116499531A (zh) * | 2023-06-27 | 2023-07-28 | 中能国研(北京)电力科学研究院 | 一种电力设备状态评估方法、装置、电子设备及存储介质 |
CN116499531B (zh) * | 2023-06-27 | 2023-09-01 | 中能国研(北京)电力科学研究院 | 一种电力设备状态评估方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113123990B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113123990B (zh) | 基于油指数辨识的油浸式变压器风扇风量异常监测方法 | |
TWI631354B (zh) | 用於功率模組之散熱系統狀況評估之方法及裝置 | |
CN108037780B (zh) | 基于温升及负荷率的油浸式变压器冷却控制方法 | |
CN108920774B (zh) | 一种油浸式变压器内部温度监测方法 | |
CN101331435A (zh) | 用于冷却技术设备的控制方法 | |
CN112557078B (zh) | 一种干式变压器冷却系统性能评估方法 | |
CN104198068A (zh) | 一种油浸变压器绕组温度监测装置及监测方法 | |
Srinivasan et al. | Prediction of transformer insulation life with an effect of environmental variables | |
CN110132361B (zh) | 一种超导限流器状态监测系统及状态监测方法 | |
CN109060176B (zh) | 一种油浸式变压器顶层油温监测方法 | |
Paulhiac et al. | Dynamic thermal model for oil directed air forced power transformers with cooling stage representation | |
CN107942163B (zh) | 一种极寒条件下大型电力变压器负载能力评价方法 | |
CN108917983B (zh) | 一种油浸风冷层式绕组变压器的非侵入式绕组测温方法 | |
CN108897923B (zh) | 一种确定牵引变压器绕组指数的方法 | |
CN205945494U (zh) | 智能功率模块及包含其的变频器 | |
CN113958495B (zh) | 一种基于颗粒分析的潜油泵损伤程度评估方法及系统 | |
Djamali et al. | A dynamic top oil temperature model for power transformers with consideration of the tap changer position | |
CN110165781B (zh) | 磁阀式可控电抗器无线温度状态监测系统及方法 | |
CN112164209A (zh) | 一种换流站换流阀元件温度预测方法及系统 | |
Wang et al. | Research on transformer Cooling Control Strategy based on Hot spot temperature calculation | |
CN112461390A (zh) | 一种适用于油浸式变压器的分布式比较型测温模块及方法 | |
Elmoudi et al. | A Transformer Thermal Model for use in an on-line Monitoring and Diagnostic System | |
CN109029781B (zh) | 强迫油循环风冷层式绕组变压器的非侵入式绕组测温方法 | |
US11398336B2 (en) | Electric transformer assembly, method for determining a thermal state of an electric transformer, and determination device | |
Wang et al. | CFD-Based Heat Dissipation Efficiency Monitoring for Radiator in Different Air-Cooling Modes |
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 |