مدل حرارتی بهبود یافته برای ترانسفورماتورهای قدرت جهت تعیین حداکثر قابلیت بارگیری on-Line
Publish place: 22nd International Power System Conference
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 2,362
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
PSC22_340
Index date: 5 May 2007
مدل حرارتی بهبود یافته برای ترانسفورماتورهای قدرت جهت تعیین حداکثر قابلیت بارگیری on-Line abstract
ترانسفورماتورهای قدرت یکی از گرانترین قطعات در سیستم قدرت می باشند، به همین دلیل راندمان و استفاده بهینه از اینگونه تجهیزات بسیار حائز اهمیت است . عواملی نظیر درجه حرارت، اکسیژن و رطوبت در تخریب عایق جامد و روغن ترانسفورماتور وکاهش عمر طبیعی ترانسفورماتور نقش مهمی دارند . حرارت ترانسفورماتور نیز مستقیما به دمای محیط و نحوه بارگیری از ترانسفورماتور بستگی دارد . یکی از مهمترین مسائلی که امرو زه مطرح است، تعیین حداکثر بار تحویلی توسط ترانسفورماتور در حالت کار On-Line است بدون
اینکه دمای آن از حدود مجاز فراتر برود . به همین دلیل داشتن مدل حرارتی ترانسفورماتور و تعیین دمای نقاط مختلف آن، تحت شرایط کاری متفاوت، جهت تحلیل عمر مفید ترانسفورماتور و همچنین بارگیری و استفاده بهینه از آن لازم و ضروری است . در این مقاله یک مدل حرارتی برای ترانسفورماتورهای قدرت ار ائه شده که توسط آن دمای روغن بالای ترانسفورماتور را در شرایط بارگیری On-Line پیش بینی می کنیم و با استفاده از آن دمای نقاط داغ سیم پیچی ترانسفورم اتور را بدست آورده و حداکثر بار قابل تحویل توسط ترانسفورماتور در حالت On-Line را بدست می آوریم . نتایج این مدل بر روی داده های بار و دمای یک ترانسفورماتور 180MVA 230/63Kvمورد بررسی و ارزیابی قرار می گیرد
مدل حرارتی بهبود یافته برای ترانسفورماتورهای قدرت جهت تعیین حداکثر قابلیت بارگیری on-Line Keywords:
مدل حرارتی بهبود یافته برای ترانسفورماتورهای قدرت جهت تعیین حداکثر قابلیت بارگیری on-Line authors
رضا گلپری
موسسه تحقیقات ترانسفورماتور ایران، دانشگاه صنعتی خواجه نصیرالدین ط
اصغر اکبری ازیرانی
دانشگاه صنعتی خواجه نصیرالدین طوسی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :