文档名：基于Unet神经网络的35kV油浸式变压器绕组温度快速计算
摘要：针对采用传统数值方法进行油浸变压器绕组温升仿真时间较长的问题,提出了一种基于U-net神经网络训练的快速计算方法,以迅速地获得变压器绕组温升.针对1台35kV油浸式变压器,利用Fluent软件生成了不同工况下深度学习所需的训练集,在确定超参数的最佳组合后,变压器温度场的计算效率得到显著提高,最后建立光纤试验测温平台对算法的有效性进行了验证.以Fluent软件得到的结果为参考,B相低压绕组内外侧和高压绕组内侧U-net神经网络的相对误差在0.24%、0.21%和0.39%左右,单次计算时间从10854s缩短到0.05s,且预测结果与试验温度平均误差最大为4℃,最小为2℃.研究结果表明,该方法可用于快速获得油浸式变压器绕组的温度,可以满足油浸式变压器温度及热点数字孪生技术的实时性仿真要求.
Abstract：Inthispaper,afastcalculationmethodbasedonU-netneuralnetworktrainingwasproposedtosolvetheproblemoflongtimeforcalculatingthetemperatureriseofoilimmersedtransformerwindingsusingtraditionalnumeri-calmethods,whichcanquicklypredictthetemperatureriseandhotspotsoftransformerwindings.Fora35kVoil-immersedtransformer,thetrainingsetsrequiredfordeeplearningunderdifferentoperatingconditionswasgeneratedbyusingFluentsoftware.Afterdeterminingtheoptimalcombinationofhyperparameters,thecomputationalefficiencyofthetransformertemperaturefieldwassignificantlyimproved.Finally,afiber-optictesttemperaturemeasurementplatformwasestablishedtoverifytheeffectivenessofthealgorithm.ByusingtheresultsobtainedfromFluentsoftwareasrefer-ence,therelativeerrorsoftheU-netneuralnetworkfortheinnerandouterB-phaselow-voltagewindingandtheinnerhigh-voltagewindingwerearound0.24%,0.21%and0.39%,andthesinglecalculationtimewasshortenedfrom10854sto0.05s,andtheaverageerrorbetweenthepredictionresultsandthetesttemperaturewas4℃atthemaximumand2℃attheminimum.Theresultsshowthatthemethodcanbeusedtoobtainthetemperatureofoil-immersedtrans-formerwindingsquickly,anditcanmeetthereal-timesimulationrequirementsofoil-immersedtransformertemperatureandhotspotdigitaltwintechnology.
作者：刘云鹏 高艺倩 刘刚 寇家俊 李欢Author：LIUYunpeng GAOYiqian LIUGang KOUJiajun LIHuan
作者单位：河北省输变电设备安全防御重点实验室(华北电力大学),保定071003
刊名：高电压技术 ISTICEIPKU
Journal：HighVoltageEngineering
年，卷(期)：2024, 50(6)
分类号：
关键词：U-net神经网络 变压器绕组温升 深度学习 快速计算 数字孪生
Keywords：U-netneuralnetwork transformerwindingtemperaturerise deeplearning fastcalculation digitaltwin
机标分类号：TM41TM343TP277
在线出版日期：2024年7月19日
基金项目：基于U-net神经网络的35kV油浸式变压器绕组温度快速计算[
期刊论文] 高电压技术--2024, 50(6)刘云鹏 高艺倩 刘刚 寇家俊 李欢针对采用传统数值方法进行油浸变压器绕组温升仿真时间较长的问题,提出了一种基于U-net神经网络训练的快速计算方法,以迅速地获得变压器绕组温升.针对1台35kV油浸式变压器,利用Fluent软件生成了不同工况下深度学习所...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于U-net神经网络的35kV油浸式变压器绕组温度快速计算 Fast Calculation of 35 kV Oil-immersed Transformer Winding Temperature Based on U-net Neural Network
基于U-net神经网络的35kV油浸式变压器绕组温度快速计算.pdf
- 文件大小:
- 5.66 MB
- 下载次数:
- 60
-
高速下载
|
|
