基于电-振动特性的虚拟变压器研究及其在故障诊断中的应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61803332
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    22.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0303.系统建模理论与仿真技术
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

Power transformers are one of the most important devices in the power delivery system, whose safety is relevant to the grid reliability. This project is aimed to develop a virtual transformer model (VT), based on the electricity-vibration mechanism of transformers. The proposed VT model would be applied to transformer condition monitoring and fault diagnosis. During the model construction, electromagnetic excitation, structural vibration and wave motion mechanisms are considered, in addition to the vibration coupling features resulted by transformer faults. Unlike the traditional vibration based methods, the proposed VT based method could provide fault information from the mechanism point of view, thus establishing a more reliable and scientific basis for transformer condition monitoring. This project will not only make breakthroughs in the electrical-mechanical system fault simulation and nonlinear optimization, but will also develop an example application of the virtual system concept for scientific health and safety management of other electromagnetically excited equipment.
变压器是输变电系统中的重要设备之一,其安全运行是保障电力供应的关键环节。本项目基于变压器的电-振动机理研究,构建具有状态信息的虚拟变压器模型(Virtual Transformers,VT),并应用于投运变压器的状态监测与故障诊断。该虚拟变压器的构造思路结合了变压器电磁、振动和声波动力学原理,并考虑了变压器机械结构状态改变在振动耦合传递方面的特性。基于VT理念的变压器故障诊断方法继承了传统的振动分析法所具有的实时性和“非侵入”的优点,同时能够机理性地给出故障信息,为变压器的状态监测提供了更加科学的依据与支撑。本项目不仅会在机械和电系统故障模拟、非线性优化等基础研究上有所突破,这种虚拟系统的理念和应用也将为其他关键设备的健康和安全科学管理提供有价值的借鉴思路。

结项摘要

电力变压器的故障监测与预警是电网运维的重要内容。我国电网规模庞大,电力设备的保有量稳居世界首位,关键电力设备的在线监测技术也在不断发展进步。本项目从振动无损检测的角度出发,围绕变压器铁芯、绕组两大主要振动源,研究了激发本体振动的主、漏磁场,以及周期装配结构的振动模型,构建了用于故障检测的虚拟变压器模型。在此基础上,还开展了油浸式变压器在流场作用下的振动响应分析,以及包含温度场、电磁场综合老化下的振动特征演变研究。在虚拟变压器建模过程中,提出了一种基于基尔霍夫环路定律的铁芯角接磁场计算方法和考虑摩擦因子的硅钢叠片模量等效算法,完善了变压器振动建模领域的部分假设条件;在多物理场老化的延伸研究中,运用绝缘老化的分子动力学模型对加速老化过程进行拟合,得到绝缘纸受热、电、机械综合作用下的抗拉强度经验模型和刚度退化模型,对故障演变规律有了更深入的认识,为变压器故障检测提供了理论基础。在推广应用方面,开发了基于振动加速度传感器的便携式OMA参数识别装置和基于分布式光纤测振的变压器绕组振动成像系统,为上述模型的实际应用奠定了硬件基础。在基金支持下,课题组申请人以第一作者/通讯作者发表期刊论文 6 篇,国际会议论文 2 篇,登记软件著作权 1 项,申请发明专利 2 项。相关成果获得国网浙江省公司科技进步三等奖 1 项,培养研究生3名,按计划完成各项研究任务。

项目成果

期刊论文数量(6)
专著数量(0)
科研奖励数量(1)
会议论文数量(2)
专利数量(2)
STAR-CCM+用于变压器温度场计算的可行性研究
  • DOI:
    10.19585/j.zjdl.202009007
  • 发表时间:
    2020
  • 期刊:
    浙江电力
  • 影响因子:
    --
  • 作者:
    沈海涛;马玉圣;金会会;吴卫东;王玉兴
  • 通讯作者:
    王玉兴
Study on the Sound Radiation Efficiency of a Typical Distribution Transformer
典型配电变压器声辐射效率研究
  • DOI:
    10.1109/access.2021.3107455
  • 发表时间:
    2021
  • 期刊:
    IEEE ACCESS
  • 影响因子:
    3.9
  • 作者:
    Wang Yuxing;Jin Huihui;Cai Xuan;Gong Peijun;Jiang Xishan
  • 通讯作者:
    Jiang Xishan
A Scene Text Detector for Text with Arbitrary Shapes
用于任意形状文本的场景文本检测器
  • DOI:
    10.1155/2020/8916028
  • 发表时间:
    2020-06
  • 期刊:
    Mathematical Problems in Engineering
  • 影响因子:
    --
  • 作者:
    Wu Weijia;Xing Jici;Yang Cheng;Wang Yuxing;Zhou Hong
  • 通讯作者:
    Zhou Hong
Measurement and analysis of sound radiation from coherently vibrating shunt reactors
相干振动并联电抗器声辐射的测量和分析
  • DOI:
    10.1007/s12206-018-1215-4
  • 发表时间:
    2019-01
  • 期刊:
    Journal of Mechanical Science and Technology
  • 影响因子:
    1.6
  • 作者:
    Wang Yuxing;Jin Ming;Wang Yanzhao;Zhou B;Pan Jie
  • 通讯作者:
    Pan Jie
Texts as Lines: Text Detection with Weak Supervision
文本作为线条:弱监督的文本检测
  • DOI:
    10.1155/2020/3871897
  • 发表时间:
    2020-06
  • 期刊:
    Mathematical Problems in Engineering
  • 影响因子:
    --
  • 作者:
    Wu Weijia;Xing Jici;Yang Cheng;Wang Yuxing;Zhou Hong
  • 通讯作者:
    Zhou Hong

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于机器视觉的换流站智能隔声顶棚设计
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    高电压技术
  • 影响因子:
    --
  • 作者:
    陈俊文;裴春明;李元号;凡正波;王玉兴
  • 通讯作者:
    王玉兴

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码