CN108038795B - 基于流线和支持向量机的变压器热点温度反演方法及*** - Google Patents
基于流线和支持向量机的变压器热点温度反演方法及*** Download PDFInfo
- Publication number
- CN108038795B CN108038795B CN201711271473.5A CN201711271473A CN108038795B CN 108038795 B CN108038795 B CN 108038795B CN 201711271473 A CN201711271473 A CN 201711271473A CN 108038795 B CN108038795 B CN 108038795B
- Authority
- CN
- China
- Prior art keywords
- temperature
- transformer
- streamline
- hot spot
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 38
- 238000012360 testing method Methods 0.000 claims abstract description 33
- 238000004804 winding Methods 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 27
- 238000004088 simulation Methods 0.000 claims abstract description 17
- 238000010586 diagram Methods 0.000 claims abstract description 16
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 8
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 9
- 238000000691 measurement method Methods 0.000 claims description 7
- 238000001595 flow curve Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Water Supply & Treatment (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Housings And Mounting Of Transformers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于流线和支持向量机的变压器热点温度反演方法及***，包括：S1采用正交法设计多因素多水平的训练样本集；S2在各训练样本所对应条件下，对变压器进行温度场仿真获得温度场分布图；S3从温度场分布图计算各训练样本对应的流线图，从流线图选取主流线，从主流线提取流线温度变化曲线，根据流线温度变化曲线选择温度测量点；S4构建测试样本集；S5根据温度场分布图预判热点在变压器的绕组的位置；S6以测试样本集为输入，采用支持向量机对预判热点所在绕组同时进行温度分布反演。本发明计算简单，精度高，效率高，可以更好地应用于工程实际。
Description
技术领域
本发明属于变压器热点监测技术领域，尤其涉及一种基于流线和支持向量机的变压器热点温度反演方法。
背景技术
变压器作为电力***中最重要的设备之一，数量众多，结构复杂，直接关系到供电的可靠性和安全性。变压器内部各部件所达到的最高温度即为热点温度，是影响变压器运行状态、物理条件和绝缘寿命的重要因素之一。为了保证变压器设备在运行中的安全性和高效性，避免在运行过程中出现故障，对变压器热点的在线监测至关重要。
国内外变压器热点测量方法主要有直接测量法和热模拟法。直接测量法通过将光纤传感器埋设在绕组导线上直接得到热点温度，但对于实际运行中的变压器，传感器的埋设会影响油流分布，且变压器运行工况不同时还需重复测量，测量成本高；同时由于热点温度的不确定性，测量结果不一定是热点温度。热模拟法是由负载导则IEC 354推导得出的简化形式，由测量得到的顶层油温和绕组相对于顶层油温的温升得到绕组热点温度，具有较大误差。因此，为了对运行中的变压器实行实时监测，根据变压器历史运行数据预测在线运行热点温度，及时根据工况调整动态负荷，采用人工智能法对热点温度进行反演成为了当今研究的热潮。但是智能法中，温度特征量的选取缺少物理模型依据，热点温度反演的精度不高，且计算速度慢。
发明内容
本发明的目的是提供一种基于流线和支持向量机的变压器热点温度反演方法，该方法精度高、效率高、且切实可行。
本发明一种基于流线和支持向量机的变压器热点温度反演方法，包括步骤：
S1以所考虑的变压器环境因素为因素，根据变压器所处的实际环境，采用正交法设计多因素多水平的训练样本集；
S2在各训练样本所对应条件下，对变压器进行温度场仿真，获得反映变压器内部的热点分布及油流温度分布的温度场分布图；
S3从温度场分布图计算各训练样本对应的油介质流动曲线，即流线图；从流线图选取分布密集且流动规律一致的流线为主流线；从主流线提取流线方向上油介质的温度变化曲线，即流线温度变化曲线；根据流线温度变化曲线选择能表征流线温度变化曲线变化趋势的流线点，即流线温度表征点；选取变压器外壳上距离流线温度表征点最近的1～3个点作为温度测量点；
S4利用仿真法或试验测量法，获得各预设工况下变压器的外部环境参数、热点温度和温度测量点温度，预设工况以及预设工况所对应的外部环境参数、热点温度、温度测量点温度构成测试样本集；
S5根据步骤S2获得的温度场分布图预判热点在变压器的绕组的位置；
S6以测试样本集中外部环境参数和温度测量点温度为输入，采用支持向量机对预判热点所在绕组同时进行温度分布反演，最大温度即热点温度，最大温度所在位置即热点位置。
进一步的，所述所考虑的变压器环境因素包括低压热源、高压热源、环境温度、上对流换热系数、下对流换热系数、侧边对流换热系数中的多种。
进一步的，所述变压器三维模型包括铁芯、绕组、结构件、油道和散热器。
进一步的，步骤S2进一步包括：
基于多物理场耦合的变压器三维模型，利用有限元法计算或利用负载试验得到各训练样本对应条件下变压器的损耗；
以损耗为热源，以变压器环境因素为输入，对各训练样本所对应条件下的变压器进行温度场仿真，获得温度场分布图。
进一步的，所述预设工况包括额定负载、过负责、欠负载中的一种或多种。
进一步的，所述变压器的外部环境参数包括温度、风速、湿度中的一种或多种。
进一步的，步骤S5具体为：将变压器绕组上温度大于预设温度的位置预判为热点位置。
进一步的，步骤S6进一步包括：
以测试样本集中外部环境参数和温度测量点温度为支持向量回归机的输入，选择不同的SVR核函数分别对预判热点所在绕组的温度分布进行反演；
分析各训练样本下预判热点所在绕组的温度实测值和反演温度的误差，并结合训练样本进行内部交叉验证，确定最优SVR核函数及最佳寻优参数。
利用最佳寻优参数训练SVR核函数，在各测试样本下反演预判热点所在绕组的温度分布，最大温度即热点温度，最大温度所在位置即热点位置。
本发明一种基于流线和支持向量机的变压器热点温度反演***，包括：
第一模块，用来以所考虑的变压器环境因素为因素，根据变压器所处的实际环境，采用正交法设计多因素多水平的训练样本集；
第二模块，用来在各训练样本所对应条件下，对变压器进行温度场仿真，获得反映变压器内部的热点分布及油流温度分布的温度场分布图；
第三模块，用来从温度场分布图计算各训练样本对应的油介质流动曲线，即流线图；从流线图选取分布密集且流动规律一致的流线为主流线；从主流线提取流线方向上油介质的温度变化曲线，即流线温度变化曲线；根据流线温度变化曲线选择能表征流线温度变化曲线变化趋势的流线点，即流线温度表征点；选取变压器外壳上距离流线温度表征点最近的1～3个点作为温度测量点；
第四模块，用来利用仿真法或试验测量法，获得各预设工况下变压器的外部环境参数、热点温度和温度测量点温度，预设工况以及预设工况所对应的外部环境参数、热点温度、温度测量点温度构成测试样本集；
第五模块，用来根据第二模块获得的温度场分布图预判热点在变压器的绕组的位置；
第六模块，用来以测试样本集中外部环境参数和温度测量点温度为输入，采用支持向量机对预判热点所在绕组同时进行温度分布反演，最大温度即热点温度，最大温度所在位置即热点位置。
和现有技术相比，本发明具有如下优点和有益效果：
(1)选用SVR作为绕组热点反演方法，并在此基础上，提出一种基于流线的外壳测温点选取方法，以选出具有普适性的特征量，可以更好地应用于工程实际。
(2)计算简单，精度高，效率高，切实可行。
附图说明
图1是温度特征点选取流程图；
图2是一种基于流线和支持向量机的变压器热点温度反演方法流程图。
具体实施方式
为了更清楚地说明本发明和/或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
图1所示为基于流线和支持向量机的变压器热点温度反演方法的具体流程，可应用于10kV电压互感器的热点温度反演，具体步骤如下：
步骤1，设计训练样本集。
以考虑的变压器环境因素为因素，采用正交法设计多因素多水平的训练样本集。本实施例中，考虑的环境因素包括低压热源、高压热源、环境温度、上对流换热系数、下对流换热系数和侧边对流换热系数6个因素，根据变压器的实际环境，正交设计6因素5水平的方案，一方案即一训练样本，得到25组训练样本。本实施例中的正交试验表和训练样本集分别见表1和表2。
表1正交试验表
表2训练样本集
步骤2，变压器温度场仿真。
本步骤进一步包括：
2.1建立多物理场耦合的变压器三维模型，所述变压器三维模型包括铁芯、绕组、结构件、油道和散热器。利用有限元法计算或利用负载试验得到各训练样本对应条件下的变压器损耗。
2.2以损耗作为热源，以变压器环境因素作为输入，对各训练样本对应条件下的变压器进行温度场仿真，得到温度场分布图。所述温度场分布图用于描述变压器内部的热点及油流温度的分布。
步骤3，变压器外壳的温度测量点选取。
本步骤进一步包括：
3.1由各训练样本对应的温度场分布图获取各训练样本对应的油介质流动曲线，即流线图，所述流线图用来描述变压器内流体的流动过程。
3.2根据流体分析结果，定义流线分布密集且流动规律一致的流线为主流线，采用人工观察方式，从流线图中选取主流线。
3.3从主流线提取流线方向上油介质的温度变化曲线，即流线温度变化曲线。
3.4根据流线温度变化曲线，选择能表征流线温度变化曲线变化趋势的流线点，即流线温度表征点。
3.5选取变压器外壳上距离流线温度表征点最近的1～3个点作为温度测量点。
步骤4，建立测试样本集。
在预设的特定工况下，通过仿真计算或试验测量的方法，获得变压器的外部环境参数、热点温度和温度测量点温度，一特定工况以及该特定工况所对应的外部环境参数、热点温度、温度测量点温度构成一测试样本。测试样本集中的热点温度可用来验证反演所得热点温度的准确性。本实施例所构成的测试样本集见表3。所述特定工况包括额定负载、过负责、欠负载等。所述外部环境参数包括温度、风速、湿度等。
表3测试样本集
步骤5，热点定位。
根据步骤2所得温度场分布图，预判变压器热点在绕组上出现的位置，所述预判具体为，将绕组上温度大于预设温度的位置预判为热点位置。本实施例中，预判的热点位置在绕组上部1～3层。
步骤6，支持向量回归机(SVR)反演。
本步骤进一步包括：
6.1以测试样本集中外部环境参数和温度测量点温度为支持向量回归机的输入，对输入量进行归一化，选择不同的SVR核函数分别对预判热点所在绕组的温度分布进行反演。
6.2分析各训练样本下预判热点所在绕组的温度实测值和子步骤6.1所获得反演温度的误差，并结合训练样本内部交叉验证，确定最优SVR核函数及最佳寻优参数。
6.3利用最佳寻优参数训练SVR核函数，在各测试样本下反演预判热点所在绕组的温度分布，最大温度即热点温度，最大温度所在位置即热点位置。
本实施例中，各测试样本对应的热点温度实测值和反演值及其误差见表4。
表4测试样本对应的热点温度实测值和反演值及其误差
根据表1可知，变压器热点反演结果与实测值误差均在1℃以内，本发明具有精度高、计算简单、效率高、切实可行的特点，解决了现有的热点测量方法难度高、热点反演方法精度低、温度场仿真计算速度慢的问题。
上述实施例所述是用以具体说明本专利，文中虽通过特定的术语进行说明，但不能以此限定本专利的保护范围，熟悉此技术领域的人士可在了解本专利的精神与原则后对其进行变更或修改而达到等效目的，而此等效变更和修改，皆应涵盖于权利要求范围所界定范畴内。
Claims (9)
1.基于流线和支持向量机的变压器热点温度反演方法，其特征是，包括：
S1以所考虑的变压器环境因素为因素，根据变压器所处的实际环境，采用正交法设计多因素多水平的训练样本集；
S2在各训练样本所对应条件下，对变压器进行温度场仿真，获得反映变压器内部的热点分布及油流温度分布的温度场分布图；
S3从温度场分布图计算各训练样本对应的油介质流动曲线，即流线图；从流线图选取分布密集且流动规律一致的流线为主流线；从主流线提取流线方向上油介质的温度变化曲线，即流线温度变化曲线；根据流线温度变化曲线选择能表征流线温度变化曲线变化趋势的流线点，即流线温度表征点；选取变压器外壳上距离流线温度表征点最近的1～3个点作为温度测量点；
S4利用仿真法或试验测量法，获得各预设工况下变压器的外部环境参数、热点温度和温度测量点温度，预设工况以及预设工况所对应的外部环境参数、热点温度、温度测量点温度构成测试样本集；
S5根据步骤S2获得的温度场分布图预判热点在变压器绕组的位置；
S6以测试样本集中外部环境参数和温度测量点温度为输入，采用支持向量机对预判热点所在绕组位置同时进行温度分布反演，最大温度即热点温度，最大温度所在位置即热点位置。
2.如权利要求1所述的一种基于流线和支持向量机的变压器热点温度反演方法，其特征是：
所述所考虑的变压器环境因素包括低压热源、高压热源、环境温度、上对流换热系数、下对流换热系数、侧边对流换热系数中的多种。
3.如权利要求1所述的一种基于流线和支持向量机的变压器热点温度反演方法，其特征是：
步骤S2进一步包括：
基于多物理场耦合的变压器三维模型，利用有限元法计算或利用负载试验得到各训练样本对应条件下变压器的损耗；
以损耗为热源，以变压器环境因素为输入，对各训练样本所对应条件下的变压器进行温度场仿真，获得温度场分布图。
4.如权利要求3所述的一种基于流线和支持向量机的变压器热点温度反演方法，其特征是：
所述变压器三维模型包括铁芯、绕组、结构件、油道和散热器。
5.如权利要求1所述的一种基于流线和支持向量机的变压器热点温度反演方法，其特征是：
所述预设工况包括额定负载、过负责、欠负载中的一种或多种。
6.如权利要求1所述的一种基于流线和支持向量机的变压器热点温度反演方法，其特征是：
所述变压器的外部环境参数包括温度、风速、湿度中的一种或多种。
7.如权利要求1所述的一种基于流线和支持向量机的变压器热点温度反演方法，其特征是：
步骤S5具体为：
将变压器绕组上温度大于预设温度的位置预判为热点位置。
8.如权利要求1所述的一种基于流线和支持向量机的变压器热点温度反演方法，其特征是：
步骤S6进一步包括：
以测试样本集中外部环境参数和温度测量点温度为支持向量回归机的输入，选择不同的SVR核函数分别对预判热点所在绕组的温度分布进行反演；
分析各训练样本下预判热点所在绕组的温度实测值和反演温度的误差，并结合训练样本进行内部交叉验证，确定最优SVR核函数及最佳寻优参数；
利用最佳寻优参数训练SVR核函数，在各测试样本下反演预判热点所在绕组的温度分布，最大温度即热点温度，最大温度所在位置即热点位置。
9.基于流线和支持向量机的变压器热点温度反演***，其特征是，包括：
第一模块，用来以所考虑的变压器环境因素为因素，根据变压器所处的实际环境，采用正交法设计多因素多水平的训练样本集；
第二模块，用来在各训练样本所对应条件下，对变压器进行温度场仿真，获得反映变压器内部的热点分布及油流温度分布的温度场分布图；
第三模块，用来从温度场分布图计算各训练样本对应的油介质流动曲线，即流线图；从流线图选取分布密集且流动规律一致的流线为主流线；从主流线提取流线方向上油介质的温度变化曲线，即流线温度变化曲线；根据流线温度变化曲线选择能表征流线温度变化曲线变化趋势的流线点，即流线温度表征点；选取变压器外壳上距离流线温度表征点最近的1～3个点作为温度测量点；
第四模块，用来利用仿真法或试验测量法，获得各预设工况下变压器的外部环境参数、热点温度和温度测量点温度，预设工况以及预设工况所对应的外部环境参数、热点温度、温度测量点温度构成测试样本集；
第五模块，用来根据第二模块获得的温度场分布图预判热点在变压器的绕组的位置；
第六模块，用来以测试样本集中外部环境参数和温度测量点温度为输入，采用支持向量机对预判热点所在绕组同时进行温度分布反演，最大温度即热点温度，最大温度所在位置即热点位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711271473.5A CN108038795B (zh) | 2017-12-05 | 2017-12-05 | 基于流线和支持向量机的变压器热点温度反演方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711271473.5A CN108038795B (zh) | 2017-12-05 | 2017-12-05 | 基于流线和支持向量机的变压器热点温度反演方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108038795A CN108038795A (zh) | 2018-05-15 |
| CN108038795B true CN108038795B (zh) | 2021-08-03 |
Family
ID=62095765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711271473.5A Active CN108038795B (zh) | 2017-12-05 | 2017-12-05 | 基于流线和支持向量机的变压器热点温度反演方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108038795B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108089077B (zh) * | 2017-12-05 | 2020-05-19 | 武汉大学 | 应用于变压器热点反演的特征量选取方法及*** |
| EP3627121B1 (en) * | 2018-09-21 | 2022-07-06 | Maschinenfabrik Reinhausen GmbH | Determining a characteristic temperature of an electric or electronic system |
| CN108872308B (zh) * | 2018-09-28 | 2021-04-02 | 山东建筑大学 | 一种针对地采暖木质地板热缓释规律的检测和研究方法 |
| CN111027187B (zh) * | 2019-11-26 | 2023-04-07 | 国网山西省电力公司电力科学研究院 | 基于热参数等效的变压器多物理场绕组结构简化分析方法 |
| CN113868902B (zh) * | 2021-08-27 | 2024-04-05 | 国网江苏省电力有限公司技能培训中心 | 一种基于对流换热系数计算变压器绕组热点温度的方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8745213B2 (en) * | 2008-12-19 | 2014-06-03 | Openpeak Inc. | Managed services platform and method of operation of same |
| CN106844972A (zh) * | 2017-01-22 | 2017-06-13 | 上海电力学院 | 基于pso‑svr的变压器绕组温度软测量方法 |
-
2017
- 2017-12-05 CN CN201711271473.5A patent/CN108038795B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108038795A (zh) | 2018-05-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108038795B (zh) | 基于流线和支持向量机的变压器热点温度反演方法及*** | |
| Cui et al. | Moisture-dependent thermal modelling of power transformer | |
| CN110083908B (zh) | 基于有限元分析的电缆缆芯温度预测方法 | |
| CN103323703B (zh) | 一种电缆接头故障诊断方法 | |
| CN103617816B (zh) | 反应堆堆芯功率分布的测量方法 | |
| CN111027187B (zh) | 基于热参数等效的变压器多物理场绕组结构简化分析方法 | |
| CN105550472A (zh) | 一种基于神经网络的变压器绕组热点温度的预测方法 | |
| CN110991123A (zh) | 基于l-m算法优化的变压器绕组热点瞬态温度计算方法 | |
| CN112115628A (zh) | 基于油浸式变压器温度场分布计算的热点温度检测方法 | |
| CN108896209B (zh) | 一种油浸式变压器热点温度监测方法 | |
| CN109344559A (zh) | 一种对比光纤测温的变压器热点温升预测方法 | |
| CN102880747A (zh) | 一种光电复合海缆温度场建模计算分析方法 | |
| CN115719019A (zh) | 一种适用于数字孪生背景下的变压器绕组温度场模拟方法 | |
| CN111539147A (zh) | 基于有限元仿真的海底脐带缆温度场分析 | |
| CN108089077B (zh) | 应用于变压器热点反演的特征量选取方法及*** | |
| Cheng et al. | Real-time dynamic line rating of transmission lines using live simulation model and tabu search | |
| CN107122506B (zh) | 考虑变压器油非线性时间常数的顶层油温热模型构建方法 | |
| CN116070302A (zh) | 一种电缆绝缘状态的预测方法及装置 | |
| CN106482848B (zh) | 一种基于m-p广义逆的三芯电缆导体温度动态获取方法 | |
| CN106934096B (zh) | 一种基于架空导线表面温度求解钢芯温度的方法 | |
| CN116050261A (zh) | 油浸式变压器热点温度预测方法、***、设备和存储介质 | |
| CN115828688A (zh) | 一种基于高斯过程回归的数字孪生电缆温度预测方法 | |
| CN111239493A (zh) | 一种输电线缆电阻测量方法 | |
| Su et al. | A simple thermal model of transformer hot spot temperature based on thermal-electrical analogy | |
| Huang et al. | Digital twin modeling and temperature field analysis of transformer windings |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |