| تعداد نشریات | 45 |
| تعداد شمارهها | 1,445 |
| تعداد مقالات | 17,730 |
| تعداد مشاهده مقاله | 57,906,932 |
| تعداد دریافت فایل اصل مقاله | 19,525,576 |
تخمین دمای نقطه داغ ترانسفورماتور قدرت با خنک سازی روغن اجباری_آب اجباری با بهرهگیری از الگوریتم گرگ خاکستری | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| دوره 55، شماره 3 - شماره پیاپی 113، دی 1404، صفحه 539-546 اصل مقاله (666.86 K) | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/tjee.2025.60830.4819 | ||
| نویسندگان | ||
| هادی عباسی حوریلر1؛ محمد علی تقیخانی* 2 | ||
| 1استادی ار، دانشگاه بین المللی امام خمینی)ره(، دانشکده فنی و مهندسی، قزوین، ایران | ||
| 2دانشجوی کارشناسی ارشد، دانشگاه بین المللی امام خمینی)ره(، دانشکده فنی و مهندسی، قزو ین، ایران | ||
| چکیده | ||
| ترانسفورماتور از اجزای کلیدی و گران قیمت شبکه قدرت میباشد. اهمیت بهرهبرداری صحیح از آن به حدی است که تامین برق پایدار برای مصرف کننده و افزایش قابلیت اطمینان شبکه قدرت بدون سلامت ترانسفورماتور میسر نیست. لازمه سلامت ترانسفورماتورها، برنامهریزی دقیق برای آنهاست. یکی از مواردی که باید به منظور بهرهبرداری درست از ترانسفورماتور محاسبه شود، دمای نقطه داغ آن است. امروزه ترانسفورماتورهای بسیار بزرگی ساخته شده که روشهای خنکسازی مرسوم، برای آنها کارآمد نیست. بنابراین باید از روشهای جدیدتر و کارآمدتر برای خنکسازی بهره برد. یکی از روشهایی که کمتر مورد توجه مهندسان، طراحان و پژوهشگران قرار گرفته است، روش خنک سازی روغن اجباری- آب اجباری (OFWF) میباشد. این روش خنکسازی علی رغم کارایی بالا کمتر مورد توجه پژوهشگران قرار گرفته است. الگوریتمهای فراابتکاری، علیرغم کارایی بالا و دقت و سرعت مناسب آنها کمتر برای محاسبه نقطه داغ ترانسفورماتور مورد توجه پژوهشگران قرار گرفته است؛ بنابراین در این مقاله به منظور افزایش دقت تخمین دمای نقطه داغ ترانسفورماتور، از الگوریتم گرگ خاکستری استفاده میشود. این الگوریتم به دلیل ساختار آن حجم کمتری برای انجام محاسبات بهینهسازی نیاز دارد؛ همچنین این الگوریتم دارای سرعت و دقت مناسبی برای انجام محاسبات بهینهسازی است. از طرفی به منظور افزایش دقت تخمین دمای نقطه داغ ترانسفورماتور، از مدل دینامیکی محاسبه دمای نقطه داغ ترانسفورماتور استفاده میشود. نتایج از افزایش سرعت و دقت تخمین دمای نقطه داغ ترانسفورماتور به کمک الگوریتم گرگ خاکستری حکایت دارد. همچنین با توجه به نتایج استفاده از روش خنکسازی OFWF برای ترانسفورماتورهای بزرگ بسیار کاراست. | ||
| کلیدواژهها | ||
| الگوریتم گرگ خاکستری؛ ترانسفورماتورقدرت؛ خنک سازی روغن اجباری_ آب اجباری؛ دمای نقطه داغ | ||
| مراجع | ||
|
[1] N Abu Bakar, A.Abu-Siada, “Fuzzy logic approach for transformer remnant life prediction and asset management decision”, IEEE Transactions on Dielectrics and Electrical Insulation, Vol. 23, no.5, pp. 3199 – 3208, 2016. [2] M.R.Arian Nik , A.A.Razi Kazemi “Estimating the lifespan of oil transformers based on the degree of gilmration”, Tabriz Journal of Electrical Engineering,vol. 49, no. 3 ,2019. [3] International Standard Loading Guide for Oil Immersed Power Transformer, IEC 354, 1991. [4] IEEE Guide for Loading Mineral-Oil-Imersed Transformer, IEEE Std C57.91, 1995. [5] J.A. Jardini, “Power transformer temperature evaluation for overloading conditions”, IEEE Transactions on Power Delivery vol. 20,no. 1, pp. 179–184, 2005. [6] K.Ibrahim, R.M.Sharkawy, H.K.Temraz, M.M.A.Salama, “Reliability calculations based on an enhanced transformer life expectancy model”, Ain Shams Engineering Journal,vol. 13, no. 4, p. 101661, 2021. [7] M.Aslam, I.Haq, M.S.Rehan, F.Ali, A.Basit,M.I.Khan, A.M.Arbab, ” Health Analysis of Transformer Winding Insulation Through Thermal Monitoring and Fast Fourier Transform (FFT) Power Spectrum”, IEEE Access, vol. 9, pp.11.4207_114217 ,2021. [8] A.A.Taheri, A.Abdali, A.Rabiee, “Indoor distribution transformers oil temperature prediction using new electro-thermal resistance model and normal cyclic overloading strategy: an experimental case study”, IET Generation, Transmission & Distribution, vol. 14, no. 24, pp. 5792-5803, 2020. [9] Sh.Taheri,A.Gholami,I.Fofana,H.Taheri” Modeling and simulation of transformer loading capability and hot spot temperature under harmonic conditions”, Electric Power Systems Research, vol. 86, pp. 68_75, 2012. [10] A.Y.Arablu, I.Senol, “Development of a hot-spot temperature calculation method for the loss of life estimation of an ONAN distribution transformer”, Electrical Engineering, vol. 100, pp. 1651–1659, 2018. [11] R.Duan, “Real-Time Hotspot Tracing and Model Analysis of a Distributed Optical Fiber Sensor Integrated Power Transformer”, IEEE Access, vol. 10, pp. 57242-57254, 2022. [12] M. Hell, Recurrent nfn in thermal modeling of power transformers, IEEE Transactions on Power Delivery, vol. 22, pp. 904 – 910, 2007. [13] M. Hell, Participatory learning in power transformers thermal modeling, IEEE Transactions on Power Delivery ,vol. 23, pp. 2058 – 2067, 2008. [14] M.Zile, “Temperature analysis in power transformer windings using created artificial bee algorithm and computer program”, IEEE Access, vol. 7, pp. 60513-60521, 2019. [15] N.C. Chereches, M. Chereches, L.Miron, S.Hudisteanu, “Numerical study of cooling solutions inside a power transformer”, Energy Procedia, vol. 112, pp. 314-321, 2017. [16] F.Hamedi, H. Moghtaderi ‘‘Simulation and parametric analysis of the zigzag cooling path in disc transformer windings to investigate the design parameters affecting cooling conditions’’, Modares Mechanical Engineering , vol. 19, no 5, pp. 1177–1186, 2019. [17]B.Suechoey, C.Boonseng, C.Chompooinwai, C.Chompoo-inwai, “Analysis of winding temperature and design of distribution transformer for improving short circuit withstand capability under renewable generations mixed environment”, International journal intelligent Energy& system, vol.11, no.6, pp.11-20, 2018. [18] J.A. Jardini, , J.L.P. Brittes, L.C. Magrini, M.A.Bini, and J.Yasuoka, “Power transformer temperature evaluation for overloading conditions”, IEEE Transactions on Power Delivery, vol. 20, no. 1, pp.179-184, 2005. [19] Gouda OE, Amer GM, Salem WAA. Predicting transformer temperature rise and loss of life in the presence of harmonic load currents. Ain Shams Eng J (ASEJ), vol. 3, no. 2, pp. 113–121, 2012. [20] T. Dao and B. T. Phung, ‘‘A study of hot-spot localization in distribution transformers,’’ in Proc. 1st Int. Conf. Electr. Mater. Power Equip. (ICEMPE), pp. 36–40, 2017. [21] R.Duan,” Real-Time Hotspot Tracing and Model Analysis of a Distributed Optical Fiber Sensor Integrated Power Transformer”, IEEE Access, vol. 10, 2022. [22] Y.Zhang, X.Wei , X.Fan, K.Wang, R.Zhou, W.Jang, Sh.liang, J.Hao, J.lio “A Prediction Model of Hot Spot Temperaturefor Split-Windings Traction Transformer Considering the Load Characteristics”, IEEE Access, vol. 9, 2021. [23] J. Liu, X. Fan, Y. Zhang, H. Zheng, and J. Jiao, ‘‘Temperature correction to dielectric modulus and activation energy prediction of oil-immersed cellulose insulation,’’ IEEE Trans. Dielectr. Electr. Insul., vol. 27, no. 3, pp. 956–963, 2020. [24] J. Liu, H. Zhang, X. Fan, Y. Zhang, and C. Zhang, ‘‘Aging evaluation for transformer oil-immersed cellulose insulation by using frequency dependent dielectric modulus technique,’’ Cellulose, vol. 4, pp. 1–15, 2021, [25] Z.Radakovic , A.Popovic “Variation of Steady-State Thermal Characteristics of Transformers with OFWF Cooling in Service”, Electric Power Components and Systems, pp. 817- 829, 2003. [26] M.Aslam, I.U.Haq,M.S.Rehan, A.Basit,M.Arife, M.A.Khan, M.Sadiq, M.N.Arbab” Dynamic Thermal Model For Power Transfomer ”IEEE Access, vol. 9, pp. 71461_71470, 2021. [27] S.A.Mirjalili,S.M.Mirjalili,” Grey Wolf Optimizer”, Advances in Engineering Software, vol. 69, PP. 46-61, 2014.
| ||
|
آمار تعداد مشاهده مقاله: 474 تعداد دریافت فایل اصل مقاله: 16 |
||