关键词:
油浸式变压器
有限元
深度学习
多物理场耦合
热点温度
摘要:
油浸式变压器是一种重要的电力设备,其工作中的可靠性对电力系统能否安全稳定地工作起着重要作用。然而,由于变压器绕组温度过高,可能会引起绝缘老化,从而引发变压器设备烧毁事件,这种情况在所有电力事故中占有重要的比例。这类事件对供电系统的安全性和稳定运行构成了严重威胁,因此,准确快速地测量绕组的热点温度,不仅可以提高经济效益,还可以增长变压器设备的寿命,因此,变压器设备生产厂家和电力科研单位都在密切关注这一重要课题。油浸式变压器因其出色的散热性能、安全可靠的特性以及容量大等优势,已被广泛应用于电力系统中。主要开展的研究内容和取得的研究成果如下:(1)研究一种基于有限元法的变压器流固耦合收敛计算方法。对于有限体积法求解复杂结构精度低、采用传统有限元法求解流体场容易产生震荡而难以收敛的问题,以SZ20-8000 kVA/35 kV结构的强流循环散热式变压器为研究对象,分别建立了三维和二维轴对称的变压器流固耦合计算模型,仿真计算了变压器在正常状态和漏磁故障时的内部温度分布,对比了几种网格剖分的计算精度,并分析了入口流速、负荷、环境温度等因素对变压器绕组温度的影响。研究发现:采用并行调整边界条件和继承新的收敛解作为初始值的有限元迭代算法能够很好的解决不收敛问题;采用混合网格剖分,在保证计算精度的同时,可以大幅度减少计算时间;两种状态下变压器绕组热点温度随着入口流速的增大而减小,而减小幅度会越来越小;负荷越大、环境温度越高,绕组热点温度也越大。(2)研究一种基于全连接神经网络的变压器热点温度预测方法。对于采用SVM模型预测变压器热点温度精准度有待提高和模型泛化能力较差的问题,使用仿真数据来训练9个深度学习模型,其中6个为三维变压器正常状态和漏磁状态下受入口流速、负荷和环境温度影响的FCN模型,其余3个为二维轴对称变压器正常状态下受入口流速、负荷和环境温度影响的FCN模型。这些模型旨在学习变压器温度场状态与内部状态参数的相互关系,以预测变压器的温度场变化。随机选择了仿真数据中的6个节点,分别研究了入口流速、负荷和环境温度变化对变压器温度场的影响,以期获得更准确的结果。同时,对每个影响因素下的所有节点的温度取平均值,以观察各影响因素对变压器温度场的平均影响。基于深度学习的方法能对变压器绕组的热点温度进行预测,且其预测误差比传统机器学习预测效果较好,证明了模型的有效性。(3)研究一种运用三次样条插值替换线边界条件来非植入式快速获取变压器绕组温度的方法。针对怎样基于最少的传感器和仿真计算实现变压器绕组热点温度的非植入式获取的问题,以SSZ20-63000 kVA/110 kV结构的自然对流散热式变压器为研究对象,提取线边界上温度变化较大的特征点,采用特征点上的温度作为插值函数的初始值,用插值线边界替换原始线边界计算变压器温度场,对比分析了线性插值、分段三次Hermite插值和三次样条插值的计算结果,结果表明三次样条插值的效果最好,与原始边界下结果的最大误差为0.185%,与试验值误差为0.675%。然后结合预测效果较好的FCN模型,我们训练了2个模型,这2个模型分别为三次样条插值边界法和热通量边界法条件下对应的变压器温度场预测模型,预测误差分别为0.657%和0.752%,证明了该方法的有效性,该方法为运用有限个点来快速预测此台变压器的绕组热点温度提供了实用价值。