CN113779822A - 基于多场耦合计算的电机绝缘寿命预测方法 - Google Patents

基于多场耦合计算的电机绝缘寿命预测方法 Download PDF

Info

Publication number
CN113779822A
CN113779822A CN202110932428.XA CN202110932428A CN113779822A CN 113779822 A CN113779822 A CN 113779822A CN 202110932428 A CN202110932428 A CN 202110932428A CN 113779822 A CN113779822 A CN 113779822A
Authority
CN
China
Prior art keywords
unit
insulation
field
heat
calculation
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.)
Withdrawn
Application number
CN202110932428.XA
Other languages
English (en)
Inventor
苏营
朱小毅
王罗
邓友汉
肖棋元
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.)
China Three Gorges Corp
Original Assignee
China Three Gorges Corp
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 China Three Gorges Corp filed Critical China Three Gorges Corp
Priority to CN202110932428.XA priority Critical patent/CN113779822A/zh
Publication of CN113779822A publication Critical patent/CN113779822A/zh
Withdrawn legal-status Critical Current

Links

Images

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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • 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
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

基于多场耦合计算和测试数据的电机绝缘寿命预测方法，根据电机绝缘系统所在位置的实际结构，建立绝缘不同程度结构故障下，包裹绝缘的实体模型；建立磁‑电‑热‑流耦合场的数学模型；将数学模型附于实体模型，设置边界条件、热流密度、电流密度，采用有限元方法迭代计算，求得绝缘的磁场、电场、热场和流场；并对不同程度结构故障下的绝缘介电常数进行测试，根据在绝缘不同程度结构故障下的耦合场计算结果和测试数据，采用BP神经网络方法对绝缘的剩余寿命进行预测。本发明基于多种因素作用下的仿真数据更能反映绝缘的真实情况；相对于以击穿电压为唯一判断绝缘失效标准的绝缘剩余寿命评估方案，铜导体与绝缘的温差的监测方法可以在不破坏绝缘的条件下监测绝缘微故障，评估绝缘剩余寿命。

Description

基于多场耦合计算的电机绝缘寿命预测方法
技术领域
本发明涉及电机建模技术领域和预测方法领域，具体是一种基于多场耦合计算和测试数据的电机绝缘寿命预测方法。
背景技术
现有技术中，绝缘仍是制约电机容量和尺寸的主要原因之一。而且，对于在电机上应用的绝缘，它的运行收到电、热、机等多种因素的作用，故障率也较高。考虑到绝缘运行在封闭的环境中，它的劣化过程是缓慢的物理和化学变化过程，因此，采用仿真计算模拟绝缘在多物理场作用下的运行情况，以及绝缘的物理状态逐步变化引起多场状态变化情况，对绝缘的磁场、电场、热场和流场的计算结果进行整理，采用BP神经网络方法对计算得到的数据进行分析，评估绝缘的运行状态。
发明内容
本发明提供一种基于多场耦合计算和测试数据的电机绝缘寿命预测方法，考虑了绝缘在多种因素作用下的劣化过程，并提出寿命评估方案。相对单一因素对绝缘安全状态的评估，本发明基于多种因素作用下的仿真数据更能反映绝缘的真实情况；相对于以击穿电压为唯一判断绝缘失效标准的绝缘剩余寿命评估方案，铜导体与绝缘的温差的监测方法可以在不破坏绝缘的条件下监测绝缘微故障，评估绝缘剩余寿命。
本发明采取的技术方案为：
基于多场耦合计算和测试数据的电机绝缘寿命预测方法，其特征在于包括以下步骤：
步骤1：根据电机绝缘系统所在位置的实际结构，建立绝缘不同程度结构故障下，包裹绝缘的实体模型；
步骤2：建立磁-电-热-流耦合场的数学模型；
步骤3：将数学模型附于实体模型，设置边界条件、热流密度、电流密度，采用有限元方法迭代计算，求得绝缘不同程度结构故障下的磁场、电场、热场和流场；
步骤4：对绝缘不同程度结构故障下的介电常数进行测试；
步骤5：根据在绝缘不同程度结构故障下的耦合场计算结果和测试的介电常数，对数据进行归一化处理，采用BP神经网络方法对绝缘的剩余寿命进行预测。
步骤1中，建立的绝缘不同结构故障的实体模型，包含：主绝缘、铁心、空气域、绕组和层间绝缘。
步骤2中，建立的磁-电-热-流耦合场的数学模型，
其中，(1)、磁场满足下式：
Figure BDA0003211597430000021
式中，Ω为交变电磁场的角频率(单位：rad/s)；υ为介质的磁导率(单位：H/m)；Je为外部引入的电流面密度(单位：A/mm2)；A为矢量磁位；σ为导电率(单位：S/m)。
(2)、电场满足下式：
J＝σE+Je (2)
Figure BDA0003211597430000022
式中，J为电流面密度(单位：A/mm2)；E为电场强度(单位：V/m)；U为电压(单位：V)。
(3)、热场满足下式：
Figure BDA0003211597430000023
Figure BDA0003211597430000024
式中，K为热通量矢量(单位：W/m2)；T为温度(单位：℃)；κ为塞贝克系数(单位：V/K)；λ为导热系数[单位：w/(m·K)]。
考虑到常物性，
Figure BDA0003211597430000025
稳态计算，
Figure BDA0003211597430000026
因此有:
Figure BDA0003211597430000027
Figure BDA0003211597430000028
式中，ρe为电阻率(单位：Ω·m)；Q为热流体密度(单位：W/m3)；q为单位时间内单位体积发热量(单位：J/m3)。
式(6)中共2个部分，分别为反应热传导的热能和焦耳热大小。
(4)、流场满足下式：
流体运动满足质量守恒和动量守恒方程，在流体运动区域，采用标准k-ε方程。
质量守恒方程：
Figure BDA0003211597430000029
动量守恒方程：
Figure BDA0003211597430000031
标准k-ε方程：
Figure BDA0003211597430000032
其中，ρ为流体质量密度(单位：kg/m3)；t为时间(单位：s)；vr为相对速度矢量(单位：m/s)；r为转动坐标系中的微元体的位置矢量(单位：m)；p为作用于空气微元体上的静压力(单位：Pa)；τ为因分子粘性作用而产生的作用于微元体表面的粘性应力(单位：N/m2)；F为微元体上的体积力(单位：N/m3)；v为绝对速度(单位：m/s)；c为定压比热[单位：(J/kg·K)]；Sr为单位体积内热源产生的热量与c的比值[单位：(kg·K)/m3]；k为湍流动能(单位：J)；ε为扩散因子；V为流体速度矢量(单位：m/s)；Gk为紊流产生率(单位：％)；ut为紊流粘性系数；G1ε、G2ε为常量；σk和σε为紊流普朗克常数。
磁-电场之间的耦合以电流面密度为媒介。
电-热-流场之间的耦合方程是以温度为中介，电-热场耦合满足下式：
Q＝J×E (11)
由于股线的电阻率也受温度影响，而电阻率影响基本铜损耗的大小，因此，电阻率和温度的关系也影响发电机定子的电场和热场。
ρe＝ρ0[1+η(T-T0)] (12)
式中，ρe为修正计算后的电阻率(单位：Ω·m)；ρ0是导体在室温下的电阻率(单位：Ω·m)；η是导体电阻的温度系数(单位：K-1)；T0为室温(单位：℃)。
热-流场耦合满足下式：
Figure BDA0003211597430000033
步骤3中，对计算模型施加相应的边界：
S1为上层绕组绝缘的截面，与槽楔相接触，有热量传递，但是，该截面无电流流过，对地电压为零，因此，S1被设置为散热面和零电位面；在通风沟入口处，设置为速度入口。
S2为定子齿中心沿轴向方向的切面，考虑到发电机轴向结构的对称性，该面为绝热面，因此，S2被设置为绝热面。
S3为定子绕组沿周向的中心截面，考虑到发电机圆周方向上的结构对称性，该面为绝热面；但由于电荷在绕组上流动，该面有电压。因此，S3被设置为绝热面，并设置电压源。
S4为定子径向通风沟沿轴向方向的中心切面，考虑到发电机轴向结构的对称性，该面为绝热面，因此，S4被设置为绝热面。
S5为定子齿中心沿周向方向的切面，该面为绝热面和零电位面。
S6为定子槽底截面，考虑到在轭部与齿和下层绕组对地绝缘的接触面上有热量传递，但处于零电位，因此，S6设置为散热面和零电压面。在通风沟出口处，设置为充分发展流。
步骤3中，对计算模型施加相应的热流密度和电流密度，满足如下计算公式：
热流密度：
Q＝W/V (14)
式中，W为热量(单位：W)；V为对应模型的体积(单位：m3)。
电流密度：
J＝I/S (15)
式中，I为电流(单位：A)；S为电流流过的面积(单位：m2)。
步骤4中，使用介电常数检测仪对绝缘不同程度结构故障下的介电常数进行测试。
步骤5中，用下式对计算结果和测试数据进行归一化处理，然后采用BP神经网络方法进行剩余寿命预测。
Figure BDA0003211597430000041
式中，i＝1,2,···,n；j＝1,2,···,p；n为样本数；p为变量数；xij，xij*分别为标准化处理前，后放入样本值，
Figure BDA0003211597430000042
为样本的平均值，sj为样本的标准差。
本发明一种基于多场耦合计算和测试数据的电机绝缘寿命预测方法，与传统方法相比具有以下优点：
1)相对单一因素对绝缘安全状态的评估，多种因素作用下的仿真数据更能反映绝缘的真实情况；
2)本发明磁-电-热-流耦合的有限元计算方法，考虑了多种因素之间的物理耦合关系。
3)基于神经网络方法对仿真计算结果进行进一步处理，拓宽了取现有监测数据的新思路。
4)相对于以击穿电压为唯一判断绝缘失效标准的绝缘剩余寿命评估方案，本发明采用铜导体与绝缘的温差的监测方法可以在不破坏绝缘的条件下监测绝缘微故障，评估绝缘剩余寿命。
5)本发明所述的电机绝缘磁电-热-流耦合场模型的建立、计算新方法及其寿命评估，提出了新型的磁-电-热-流耦合场的有限元模型来仿真计算绝缘的磁场、电场、热场和流场，但该方法不仅仅局限于电机绝缘，同时适用于各类高电压绝缘设备。在次基础上，采用BP神经网络对仿真数据进行分析，从而评估了绝缘的剩余寿命，补充了大量采用试验数据时，获取数据得困难性。
附图说明
图1为电机绝缘多场耦合仿真和剩余寿命评估流程图。
图2为电机绝缘磁-电-热-流耦合仿真的实体模型示意图。
图3为三层BP神经网络结构图。
图4为BP算法的铜导体与绝缘温差学习结果图。
具体实施方式
发电机绝缘在运行中受到通风冷却和铜导体损坏引起高温的温差、以及强电压的影响，会导致绝缘发生劣化、空洞的现象。鉴于这种情况，本发明引入定子线棒铜材料和铁心硅钢材料的塞贝克系数，建立了汽轮发电机定子的热-电强耦合场的模型，同时，采用了热-流耦合模型，通过设置合理的边界和材料属性，建立了电机绝缘的磁-电-热-流耦合模型，计算和分析了定子绕组和铁心的磁场、电场、热场和流场，并对温度场的计算值与实测值进行比较，验证了计算方法的准确性。基于上述的计算结果，参照表1所示。利用BP神经网络算法，将铜导体与绝缘的温差作为判断依据对绝缘的剩余寿命进行评估，为电机绝缘以及高电压绝缘的发展提供有利的理论支撑。
表1各个方案计算结果
Figure BDA0003211597430000051
基于多场耦合计算和测试数据的电机绝缘寿命预测方法，该方法包括如下步骤，如图1所示：
(1)根据电机绝缘系统所在位置的实际结构，建立绝缘不同程度结构故障下，包裹绝缘的实体模型；
(2)建立磁-电-热-流耦合场的数学模型；
(3)将数学模型附于实体模型，设置边界条件、热流密度、电流密度，采用有限元方法迭代计算，求得绝缘不同程度结构故障下的磁场、电场、热场和流场；
(4)对绝缘不同程度结构故障下的介电常数进行测试；
(5)根据在绝缘不同程度结构故障下的耦合场计算结果和测试的介电常数，对数据进行归一化处理，采用BP神经网络方法对绝缘的剩余寿命进行预测。
由上述步骤(1)建立的绝缘不同结构故障的实体模型，包含：主绝缘、铁心、空气域、绕组和层间绝缘。如图2所示，图2中，1-定子齿；2-定子通风沟；3-定子主绝缘；4-定子下层绕组；5-伸入通风沟的定子绕组；6-层间绝缘；7-定子上层绕组；8-定子槽楔。
由上述步骤(2)建立的磁电-热-流耦合场的数学模型。
其中，磁场满足下式：
Figure BDA0003211597430000061
式中，Ω为交变电磁场的角频率(单位：rad/s)；υ为介质的磁导率(单位：H/m)；Je为外部引入的电流面密度(单位：A/mm2)；A为矢量磁位；σ为导电率(单位：S/m)。
电场满足下式：
J＝σE+Je (2)
Figure BDA0003211597430000062
式中，J为电流面密度(单位：A/mm2)；E为电场强度(单位：V/m)；U为电压(单位：V)。
热场满足下式：
Figure BDA0003211597430000063
Figure BDA0003211597430000064
式中，K为热通量矢量(单位：W/m2)；T为温度(单位：℃)；κ为塞贝克系数(单位：V/K)；λ为导热系数[单位：w/(m·K)]。
考虑到常物性，
Figure BDA0003211597430000065
稳态计算，
Figure BDA0003211597430000066
因此有:
Figure BDA0003211597430000067
Figure BDA0003211597430000068
式中，ρe为电阻率(单位：Ω·m)；Q为热流体密度(单位：W/m3)；q为单位时间内单位体积发热量(单位：J/m3)。
式(6)中共2个部分，分别为反应热传导的热能和焦耳热大小。
流场满足下式：
流体运动满足质量守恒和动量守恒方程，在流体运动区域，采用标准k-ε方程。
质量守恒方程：
Figure BDA0003211597430000071
动量守恒方程：
Figure BDA0003211597430000072
标准k-ε方程：
Figure BDA0003211597430000073
其中，ρ为流体质量密度(单位：kg/m3)；t为时间(单位：s)；vr为相对速度矢量(单位：m/s)；r为转动坐标系中的微元体的位置矢量(单位：m)；p为作用于空气微元体上的静压力(单位：Pa)；τ为因分子粘性作用而产生的作用于微元体表面的粘性应力(单位：N/m2)；F为微元体上的体积力(单位：N/m3)；v为绝对速度(单位：m/s)；c为定压比热[单位：(J/kg·K)]；Sr为单位体积内热源产生的热量与c的比值[单位：(kg·K)/m3]；k为湍流动能(单位：J)；ε为扩散因子；V为流体速度矢量(单位：m/s)；Gk为紊流产生率(单位：％)；ut为紊流粘性系数；G1ε、G2ε为常量；σk和σε为紊流普朗克常数。
磁-电场之间的耦合以电流面密度为媒介。
电-热-流场之间的耦合方程是以温度为中介，电-热场耦合满足下式：
Q＝J×E (11)
由于股线的电阻率也受温度影响，而电阻率影响基本铜损耗的大小，因此，电阻率和温度的关系也影响发电机定子的电场和热场。
ρe＝ρ0[1+η(T-T0)] (12)
式中，ρe为修正计算后的电阻率(单位：Ω·m)；ρ0是导体在室温下的电阻率(单位：Ω·m)；η是导体电阻的温度系数(单位：K-1)；T0为室温(单位：℃)。
热-流场耦合满足下式：
Figure BDA0003211597430000081
步骤3中：设置合理的边界条件、热流密度、电流密度，采用有限元方法迭代计算，求得绝缘的电场、热场和流场
由上述步骤3对计算模型施加相应的边界，如图2所示。
S1为上层绕组绝缘的截面，与槽楔相接触，有热量传递，但是，该截面无电流流过，对地电压为零，因此，S1被设置为散热面和零电位面；在通风沟入口处，设置为速度入口。
S2为定子齿中心沿轴向方向的切面，考虑到发电机轴向结构的对称性，该面为绝热面，因此，S2被设置为绝热面。
S3为定子绕组沿周向的中心截面，考虑到发电机圆周方向上的结构对称性，该面为绝热面；但由于电荷在绕组上流动，该面有电压。因此，S3被设置为绝热面，并设置电压源。
S4为定子径向通风沟沿轴向方向的中心切面，考虑到发电机轴向结构的对称性，该面为绝热面，因此，S4被设置为绝热面。
S5为定子齿中心沿周向方向的切面，该面为绝热面和零电位面。
S6为定子槽底截面，考虑到在轭部与齿和下层绕组对地绝缘的接触面上有热量传递，但处于零电位，因此，S6设置为散热面和零电压面。在通风沟出口处，设置为充分发展流。
对计算模型施加相应的热流密度和电流密度，满足如下计算公式：
热流密度：
Q＝W/V (14)
式中，W为热量(单位：W)；V为对应模型的体积(单位：m3)。
电流密度：
J＝I/S (15)
式中，I为电流(单位：A)；S为电流流过的面积(单位：m2)。
步骤4中，使用介电常数检测仪对绝缘不同程度结构故障下的介电常数进行测试。
步骤5中，用下式对计算结果和测试数据进行归一化处理，然后采用BP神经网络方法进行剩余寿命预测。
Figure BDA0003211597430000082
式中，i＝1,2,···,n；j＝1,2,···,p；n为样本数；p为变量数；xij，xij*分别为标准化处理前，后放入样本值，
Figure BDA0003211597430000091
为样本的平均值，sj为样本的标准差。
由上述步骤5采用BP神经网络方法对仿真结果的数据进行剩余寿命评估。如图3所示，为一个典型的三层BP神经网络模型。
输入的向量Xn＝(x1,x2,···,xn)T，隐含层有h个单元，隐含层的输出为Yh＝(y1,y2,···,yh)T，输出层有m个单元，单元输出向量为Zm＝(z1,z2,···,zm)T，目标输出向量为Tm＝(t1,t2,···,tm)T，隐含层到输出层的传递函数为f，输出层的传递函数为g。于是可得：
Figure BDA0003211597430000092
式中，yj表示隐含层第j个神经元的输出，w0j＝θ，x0＝-1。
Figure BDA0003211597430000093
式中，zk表示输出层第k个神经元的输出。
此时网络输出与目标输出的误差为：
Figure BDA0003211597430000094
下面的步骤就是想办法调整权值，使εδ减小。由于负梯度方向是函数值减小最快的方向。因此可以设定一个步长η，每次沿负梯度方向调整η个单位，即每次权值的调整为：
Figure BDA0003211597430000095
其中，η在神经网络中称为学习速率。可以证明：按这个方法调整，误差会逐渐减小。因此，BP神经网络的调整顺序如下：
先调整隐含层到输出层的权值。设vk为输出层第k个神经元的输入，则
Figure BDA0003211597430000096
Figure BDA0003211597430000097
于是隐含层到输出层的权值调整迭代公式为：
wjk(t+1)＝wjk(t)+ηδkyj (23)
从输出层到隐含层的权值调整迭代公式为：
Figure BDA0003211597430000101
其中，uj为隐含层第j个神经元的输入：
Figure BDA0003211597430000102
隐含层第j个神经元与输出层的各个神经元都有连接，得出:
Figure BDA0003211597430000103
于是，
Figure BDA0003211597430000104
因此，从输入层到隐含层的权值调整迭代公式为：
wij(t+1)＝wij(t)+ηδjxi (28)
由上述步骤1采用BP神经网络方法对仿真结果的数据进行剩余寿命评估，可以使样本结果与学习结果的拟合度达到0.99，结果如图4所示。

Claims (7)

1.基于多场耦合计算和测试数据的电机绝缘寿命预测方法，其特征在于包括以下步骤：
步骤1：根据电机绝缘系统所在位置的实际结构，建立绝缘不同程度结构故障下，包裹绝缘的实体模型；
步骤2：建立磁-电-热-流耦合场的数学模型；
步骤3：将数学模型附于实体模型，设置边界条件、热流密度、电流密度，采用有限元方法迭代计算，求得绝缘不同程度结构故障下的磁场、电场、热场和流场；
步骤4：对绝缘不同程度结构故障下的介电常数进行测试；
步骤5：根据在绝缘不同程度结构故障下的耦合场计算结果和测试的介电常数，对数据进行归一化处理，采用BP神经网络方法对绝缘的剩余寿命进行预测。
2.根据权利要求1所述基于多场耦合计算和测试数据的电机绝缘寿命预测方法，其特征在于：步骤1中，建立的绝缘不同结构故障的实体模型，包含：主绝缘、铁心、空气域、绕组和层间绝缘。
3.根据权利要求1所述基于多场耦合计算和测试数据的电机绝缘寿命预测方法，其特征在于：步骤2中，建立的磁-电-热-流耦合场的数学模型，
其中，(1)、磁场满足下式：
Figure FDA0003211597420000011
式中，Ω为交变电磁场的角频率(单位：rad/s)；υ为介质的磁导率(单位：H/m)；Je为外部引入的电流面密度(单位：A/mm2)；A为矢量磁位；σ为导电率(单位：S/m)；
(2)、电场满足下式：
J＝σE+Je (2)
Figure FDA0003211597420000012
式中，J为电流面密度(单位：A/mm2)；E为电场强度(单位：V/m)；U为电压(单位：V)；
(3)、热场满足下式：
Figure FDA0003211597420000013
Figure FDA0003211597420000014
式中，K为热通量矢量(单位：W/m2)；T为温度(单位：℃)；κ为塞贝克系数(单位：V/K)；λ为导热系数[单位：w/(m·K)]；
考虑到常物性，▽κ＝0，稳态计算，▽J＝0；
因此有:
Figure FDA0003211597420000021
Figure FDA0003211597420000022
式中，ρe为电阻率(单位：Ω·m)；Q为热流体密度(单位：W/m3)；q为单位时间内单位体积发热量(单位：J/m3)；
式(6)中共2个部分，分别为反应热传导的热能和焦耳热大小；
(4)、流场满足下式：
流体运动满足质量守恒和动量守恒方程，在流体运动区域，采用标准k-ε方程；
质量守恒方程：
Figure FDA0003211597420000023
动量守恒方程：
Figure FDA0003211597420000024
标准k-ε方程：
Figure FDA0003211597420000025
其中，ρ为流体质量密度(单位：kg/m3)；t为时间(单位：s)；vr为相对速度矢量(单位：m/s)；r为转动坐标系中的微元体的位置矢量(单位：m)；p为作用于空气微元体上的静压力(单位：Pa)；τ为因分子粘性作用而产生的作用于微元体表面的粘性应力(单位：N/m2)；F为微元体上的体积力(单位：N/m3)；v为绝对速度(单位：m/s)；c为定压比热[单位：(J/kg·K)]；Sr为单位体积内热源产生的热量与c的比值[单位：(kg·K)/m3]；k为湍流动能(单位：J)；ε为扩散因子；V为流体速度矢量(单位：m/s)；Gk为紊流产生率(单位：％)；ut为紊流粘性系数；G1ε、G2ε为常量；σk和σε为紊流普朗克常数；
磁-电场之间的耦合以电流面密度为媒介；
电-热-流场之间的耦合方程是以温度为中介，电-热场耦合满足下式：
Q＝J×E (11)
由于股线的电阻率也受温度影响，而电阻率影响基本铜损耗的大小，因此，电阻率和温度的关系也影响发电机定子的电场和热场；
ρe＝ρ0[1+η(T-T0)] (12)
式中，ρe为修正计算后的电阻率(单位：Ω·m)；ρ0是导体在室温下的电阻率(单位：Ω·m)；η是导体电阻的温度系数(单位：K-1)；T0为室温(单位：℃)；
热-流场耦合满足下式：
Figure FDA0003211597420000031
4.根据权利要求1所述基于多场耦合计算和测试数据的电机绝缘寿命预测方法，其特征在于：步骤3中，对计算模型施加相应的边界：
S1为上层绕组绝缘的截面，与槽楔相接触，有热量传递，但是，该截面无电流流过，对地电压为零，因此，S1被设置为散热面和零电位面；在通风沟入口处，设置为速度入口；
S2为定子齿中心沿轴向方向的切面，考虑到发电机轴向结构的对称性，该面为绝热面，因此，S2被设置为绝热面；
S3为定子绕组沿周向的中心截面，考虑到发电机圆周方向上的结构对称性，该面为绝热面；但由于电荷在绕组上流动，该面有电压；因此，S3被设置为绝热面，并设置电压源；
S4为定子径向通风沟沿轴向方向的中心切面，考虑到发电机轴向结构的对称性，该面为绝热面，因此，S4被设置为绝热面；
S5为定子齿中心沿周向方向的切面，该面为绝热面和零电位面；
S6为定子槽底截面，考虑到在轭部与齿和下层绕组对地绝缘的接触面上有热量传递，但处于零电位，因此，S6设置为散热面和零电压面；在通风沟出口处，设置为充分发展流。
5.根据权利要求1所述基于多场耦合计算和测试数据的电机绝缘寿命预测方法，其特征在于：
步骤3中，对计算模型施加相应的热流密度和电流密度，满足如下计算公式：
热流密度：
Q＝W/V (14)
式中，W为热量(单位：W)；V为对应模型的体积(单位：m3)；
电流密度：
J＝I/S (15)
式中，I为电流(单位：A)；S为电流流过的面积(单位：m2)。
6.根据权利要求1所述基于多场耦合计算和测试数据的电机绝缘寿命预测方法，其特征在于：步骤4中，使用介电常数检测仪对绝缘不同程度结构故障下的介电常数进行测试。
7.根据权利要求1所述基于多场耦合计算和测试数据的电机绝缘寿命预测方法，其特征在于：步骤5中，用下式对计算结果和测试数据进行归一化处理，然后采用BP神经网络方法进行剩余寿命预测；
Figure FDA0003211597420000041
式中，i＝1,2,···,n；j＝1,2,···,p；n为样本数；p为变量数；xij，xij*分别为标准化处理前，后放入样本值，
Figure FDA0003211597420000042
为样本的平均值，sj为样本的标准差。
CN202110932428.XA 2021-08-13 2021-08-13 基于多场耦合计算的电机绝缘寿命预测方法 Withdrawn CN113779822A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110932428.XA CN113779822A (zh) 2021-08-13 2021-08-13 基于多场耦合计算的电机绝缘寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110932428.XA CN113779822A (zh) 2021-08-13 2021-08-13 基于多场耦合计算的电机绝缘寿命预测方法

Publications (1)

Publication Number Publication Date
CN113779822A true CN113779822A (zh) 2021-12-10

Family

ID=78837932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110932428.XA Withdrawn CN113779822A (zh) 2021-08-13 2021-08-13 基于多场耦合计算的电机绝缘寿命预测方法

Country Status (1)

Country Link
CN (1) CN113779822A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709170A (zh) * 2024-02-05 2024-03-15 合肥工业大学 一种基于改进深度算子网络的磁场快速计算方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709170A (zh) * 2024-02-05 2024-03-15 合肥工业大学 一种基于改进深度算子网络的磁场快速计算方法
CN117709170B (zh) * 2024-02-05 2024-04-19 合肥工业大学 一种基于改进深度算子网络的磁场快速计算方法

Similar Documents

Publication Publication Date Title
Park et al. Thermal characteristics and effects of oil spray cooling on in-wheel motors in electric vehicles
CN106126861B (zh) 空冷汽轮发电机齿部和轭背部的散热系数的计算方法
CN111597748B (zh) 一种基于gil热特性实现故障判定的方法
CN108038268B (zh) 一种廊管内gil运行温度评估方法
Feng et al. Improved low-order thermal model for critical temperature estimation of PMSM
CN113779822A (zh) 基于多场耦合计算的电机绝缘寿命预测方法
CN110333443B (zh) 感应电机定子绕组温升测试方法
CN113935238A (zh) 一种基于电缆接头表面温度的绝缘老化程度评估方法
CN108399286B (zh) 一种电缆线路钢支架全寿命周期成本评估方法
Bhavsar et al. Condition monitoring of induction motor using artificial neural network
Hey et al. Transient thermal modeling of an axial flux permanent magnet (AFPM) machine using a hybrid thermal model
CN112989641B (zh) 一种用于高压电缆中间接头缺陷检测的方法
CN108254687A (zh) 汽轮发电机主绝缘脱壳故障的监测方法
CN113094922B (zh) 基于电磁-热-流耦合的电缆中间接头表面传热系数计算方法
Ryzhov et al. Three-dimensional thermal stator model of a fully air-cooled turbogenerator
CN102081685A (zh) 基于集中参数模型的潜油电机温度辩识方法
Jichao et al. Influence of complex fluid flow on temperature distribution in the rotor region of large hydrogenerator under the rotor rotation
Soppe et al. Thermal modelling of fittings for high temperature low sag conductors
CN109061402B (zh) 基于fds在线测试的变压器油纸绝缘性能带电恢复方法
Liang et al. Experimental and numerical investigation of thermal field for a motor and related factors sensitivities using combined CFD-Taguchi method
Savory et al. Evaluation of the thermofluid performance of an automotive engine cooling-fan system motor
Ryzhov et al. Three-dimensional mathematical simulation of the stator slot of a turbogenerator, including thermal modeling and flow fluid dynamics
El Murr et al. Parameter identification of IPM motor reduced order thermal model for traction applications
Hua et al. Lifetime Prediction of Aviation Cables Based on an Improved Electromagnetic-Thermal Coupling Model
Hodgins et al. Thermal model of an induction generator in oscillating water column wave energy converter

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20211210