تشخیص اشباع ترانسفورماتور جریان با استفاده از امپدانس لحظه ای شاخه مغناطیسی و روشFILT
Publish place: Journal Of Modeling in Engineering، Vol: 15، Issue: 51
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 602
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JME-15-51_029
Index date: 7 July 2019
تشخیص اشباع ترانسفورماتور جریان با استفاده از امپدانس لحظه ای شاخه مغناطیسی و روشFILT abstract
عدم تشخیص دقیق اشباع ترانسفورماتور های جریان ممکن است باعث عملکرد نادرست سیستمهای حفاظتی گردد. با توجه به مشخصه غیرخطی و تلفاتی هسته ترانسفورماتورهای جریان، بکارگیری روشی عددی به منظور تشخیص و جبران ورود نقطه کار جریان عبوری از آن به ناحیه اشباع امری ضروری است. لذا در این مقاله روشی جدید مبتنی بر محاسبه امپدانس شاخه مغناطیسی برای تشخیص اشباع و جبران ترانسفورماتور جریان ارائه گردیده است. در روش پیشنهادی با شاخههای مقاومتی غیرخطی و خطی، تلفات ترانسفورماتور جریان را مدل نموده و با محاسبه مقدار اندوکتانس لحظهای هسته مغناطیسی با روش Jiles Atherton، امپدانس لحظهای شاخه مغناطیسی با بکارگیری روش تبدیل لاپلاس معکوس عددی محاسبه میگردد. برای تشخیص اشباع هسته ترانسفورماتور جریان مقدار امپدانس لحظه ای محاسبه شده در هر لحظه از زمان با یک مقدار آستانه مقایسه شده است. برای اطمینان از عملکرد روش پیشنهادی تاثیر عواملی از قبیل انواع خطا ها، شار پسماند، زاویه شروع خطا، بارهای مختلف، مولفهDC در جریان اولیه مورد ارزیابی قرار گرفته است. همچنین روش ارائه شده توسط نرم افزارهای PSCAD-EMTDC و MATLAB پیادهسازی گردیده است. نتایج حاصل از روش پیشنهادی با داده های آزمایش مقایسه شده و در تمامی موارد دقت، سرعت و قابلیت اطمینان بالای آن به اثبات رسیده است.
تشخیص اشباع ترانسفورماتور جریان با استفاده از امپدانس لحظه ای شاخه مغناطیسی و روشFILT Keywords:
تشخیص اشباع ترانسفورماتور جریان با استفاده از امپدانس لحظه ای شاخه مغناطیسی و روشFILT authors
علیرضا فلاحی
دانشگاه علم و فناوری مازندران
نبی اله رمضانی
دانشگاه علم و فناوری مازندران
ایرج احمدی
دانشگاه علم و فناوری مازندران
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 :