关键词： 电力电子固态变压器   功率均分控制   电能  

摘要： 针对一种可接入分布式新能源发电系统的模块级联型三端口单相电力电子固态变压器电路拓扑,提出了一种功率/潮流均分控制策略,实现了高压电网侧端口、低压交流用户侧端口及400V直流侧端口三者之间电能双向自由流动,并且优先使用分布式新能源的电能;同时,实现了高压电网侧端口单位功率因数。理论分析、仿真及实验均验证了所提出的新型电力电子固态变压器控制技术方案的良好性能与可行性。

关键词： 核电   数字孪生   变压器   数字化模型  

摘要： 针对现有核电厂变压器设备智能化程度低，设备运维仍以人工巡检、定期维护为主，缺乏对设备状态进行实时预测评估手段的现状，本文将针对核电厂主变压器给出一种快速耦合场计算方法，基于该方法结合变压器状态实时监测和变压器结构的数字化模型组建核电行业主变压器的智能数字孪生模型，实现了对实体变压器多维度、全过程、全景式的状态监测和展示。这意味着我们可以实时监测主变压器在不同运行工况下，结构内部的具体运行参数。如发现潜在问题，并及时采取相应的维修措施，从而避免设备故障对核电厂运行的不利影响。

关键词： 变压器   连接装置   出油口  

摘要： 变压器出油口通常采用多尺寸的法兰接口.以往在进行检修时,需携带多种尺寸的法兰盘以便进行连接.本文提出的多功能变压器出油口快速连接装置,在不影响密封效果的前提下,能够实现多型号出油口的便捷安装.文章主要针对实现不同型号出油口的快速连通这一目标展开分析,并对变压器出油口的检修技术进行了深入探讨.

关键词： 直流变压器   模块化多电平换流器   直流电网   拓扑结构   控制策略  

摘要： 中高压直流变压器是直流输配电系统中进行新能源发电直流汇集与电压变换的关键设备之一。模块化多电平型直流变压器(MMDCT)模块化程度高、电压扩展能力强，是高压大功率直流电能变换的主流技术方案，呈现出迅猛的发展趋势。本文首先梳理了中高压直流变压器的典型应用场景，然后归纳整理了MMDCT的典型拓扑结构。在此基础上，分别对MMDCT的调制策略、电容电压均衡控制方法、环流抑制策略、功率控制方案、实验样机和应用等关键技术问题进行归纳分析与总结。最后，展望了MMDCT今后的发展趋势，总结了在未来直流电网中MMDCT所承担的多功能角色以及多方向的技术挑战。

关键词： 同轴型特斯拉   初级绕组   多路注入   隔离参数  

摘要： 对同轴型特斯拉变压器作为脉冲驱动源方案的强电磁脉冲模拟装置，对特斯拉初级绕组开展同步注入是提升输出效果的有效途径，对电磁脉冲模拟装置性能优化具有重要意义。本研究面向典型同轴型特斯拉变压器初级注入结构，研究初级绕组在不同注入条件下的电流分布状态和电阻、电感参数，分析多路注入的优势与参数要求。在反极性电容放电型触发器的基础上，建立触发仿真模型，分析回路隔离参数对于触发效果的影响，隔离宜采用电容隔离的方式，且容值应远大于开关结构电容值。多路注入能显著降低初级绕组阻值，提升电流分布均匀度，降低初级绕组电感，以有效提高输出效率、降低磁芯重量。

关键词： 状态检修模式   主变压器   故障处理   跳闸   变电站  

摘要： 为提高变电站主变压器运行稳定性,减少甚至避免跳闸问题的发生,解决高、低压侧绕组三相间低阻抗不平衡问题,本文在开展状态检修模式下变电站主变压器跳闸故障处理技术方面展开了研究.首先,在状态检修模式下,定位变电站主变压器跳闸故障位置.其次,在确定故障点后,处理故障,并给出预防措施.通过实例证明,应用新的处理技术可以避免变压器跳闸,同时降低高、低压侧绕组三相间低阻抗不平衡率,提高变电站整体运行可靠性.

关键词： 孤立森林算法   K均值聚类算法   变分自编码器   残差网络   油中溶解气体分析  

摘要： 【目的】 变压器油中气体样本分布不均、样本数量稀缺及数据质量差等问题，已成为制约故障诊断模型性能和准确性的关键瓶颈。为解决样本集密度不均衡的问题，提出一种基于K均值聚类(K-means)优化的变分自编码器(K-VAE)。为提升故障诊断模型的准确率和稳定性，提出了简化残差网络(Simplified Residual Network， Simp＿ResNet)。【方法】 通过优化变分自编码器的损失函数、重参数化设置，确保生成的样本既具备多样性，又与真实样本相似。首先，采用孤立森林算法识别并去除密度显著低和数值异常大的样本，避免生成干扰样本。其次，使用K-means将一类样本划分为4个簇，变分自编码器针对样本低密度的簇反复采样、多倍扩充，增加低密度样本的数量。最后，通过对残差网络参数及结构进行优化调整，提升残差网络对特征的学习能力。【结果】 通过对比多个生成样本方法，采用K-VAE生成样本的诊断模型准确率提升约10%，所有故障诊断模型均在K-VAE上表现出最高准确率，其中Simp＿ResNet准确率高于其他诊断模型，其准确率为98.57%，在测试集不参与生成样本的对比实验中RNN与Simp＿ResNet均达到最高准确率97.86%。【结论】 实验结果表明K-VAE生成样本多样性强，可稳定提升诊断模型准确率。Simp＿ResNet的诊断精确度高，抗干扰能力强，提高了故障诊断的可靠性。