油浸式變壓器熱點溫度及動態(tài)增容系統(tǒng)研究.pdf

1、隨著經濟的快速發(fā)展，全社會對電能的需求也在不斷提高，已有電網存在著輸變電能力不足的問題，為此國家對電網進行了很多規(guī)劃建設。變壓器作為電網中最關鍵的設備之一，利用其客觀存在的隱性容量進行動態(tài)增容，成為緩解電力需求最優(yōu)選的方式。增容運行會導致變壓器繞組損耗增加，內部溫度升高，進而影響變壓器的絕緣壽命，所以對變壓器進行動態(tài)增容，又離不開對變壓器熱點溫度的研究。
　　為了實現變壓器的動態(tài)增容，本文針對所需解決的關鍵問題進行了一系列研究，主

2、要內容有:針對油浸式變壓器的熱特性進行分析，研究變壓器熱點溫度的預測方法，提出變壓器動態(tài)增容決策方案，最終開發(fā)了基于熱點溫度的變壓器動態(tài)增容系統(tǒng)。
　　探究變壓器的熱特性對研究其熱點溫度具有重要意義。在了解油浸式變壓器結構的基礎上，對變壓器內部熱量傳遞過程以及繞組、鐵心和絕緣油的溫升特性進行了分析，得到了升溫和冷卻時的溫度變化趨勢，明確了熱點溫度的分布區(qū)域。利用有限元軟件建立了油浸式變壓器的三維仿真模型，進行磁流熱耦合場仿真分析，

3、將電磁分析的結果作為溫度計算時的預加載荷，代入熱場分析模型中，最終得到變壓器的內部溫度場分布，仿真結果驗證了對變壓器熱特性的研究結論，同時對熱點溫度的具體分布部位有了更深入的了解，為實際測量變壓器熱點溫度時光纖傳感器的安放位置選擇提供了依據。
　　在著重研究了變壓器內部溫度分布規(guī)律和熱點溫度分布位置的基礎上，為了得到準確的變壓器熱點溫度，采用人工神經網絡方法進行預測，以實際變壓器的測溫數據為學習樣本，對網絡訓練參數的選擇、結構設計

4、過程、訓練樣本處理和神經網絡的改進算法等關鍵問題進行了研究，對輸出層采用輸出降維法進行處理并利用Levenberg-Marquardt算法改進網絡結構，提高了神經網絡的收斂速度，最終建立了改進的三層人工神經網絡模型。以多臺變壓器的溫升和運行數據為樣本，樣本分為訓練集和驗證集兩部分，訓練網絡并驗證其預測準確性，將利用改進的神經網絡方法和IEEE Std C57導則算法得到的熱點溫度與實際測量值對比，驗證了神經網絡方法預測熱點溫度的準確性。

5、
　　以國際標準規(guī)定的變壓器允許最大熱點溫度為限值，同時考慮變壓器壽命損失，研究變壓器在短期急救負荷和長期急救負荷狀態(tài)下的最大安全運行問題，結合對熱點溫度預測的研究，本文開發(fā)了變壓器動態(tài)增容系統(tǒng)，該系統(tǒng)在利用實時運行和測量參數預測熱點溫度后，可以根據負荷類型，實時給出變壓器的最大安全運行時間或最大運行安全系數，為調度部門進行負荷調配提供依據。詳細介紹了該系統(tǒng)的實現流程和技術功能特點，分析了動態(tài)增容帶來的效益，證明了該系統(tǒng)可以為變壓