【变压器】三相双绕组变压器分析附Simulink仿真

✅作者简介：热爱数据处理、建模、算法设计的Matlab仿真开发者。

🍎更多Matlab代码及仿真咨询内容点击 🔗：Matlab科研工作室

🍊个人信条：格物致知。

🔥 内容介绍

在电力系统中，变压器扮演着至关重要的角色，它能够实现电能的传输和电压的变换，而三相双绕组变压器作为其中的重要成员，被广泛应用于各个领域。下面我们将对三相双绕组变压器进行全面深入的分析。

一、三相双绕组变压器的基本构成

三相双绕组变压器主要由铁芯、三个原绕组和三个副绕组组成。

铁芯是变压器的磁路部分，通常由硅钢片叠装而成，其作用是为磁通提供一个低磁阻的路径，减少磁损耗。硅钢片具有良好的导磁性能和较低的铁损，能够有效提高变压器的效率。

三个原绕组和三个副绕组分别套在铁芯的三个铁芯柱上。原绕组是接收电能的绕组，副绕组则是输出电能的绕组。绕组一般采用铜或铝导线绕制而成，导线的截面积根据变压器的容量和电流大小来确定。为了保证绕组的绝缘性能，绕组之间以及绕组与铁芯之间都有绝缘材料隔开。

二、三相双绕组变压器的工作原理

三相双绕组变压器的工作原理基于电磁感应定律。当三相交流电源接入原绕组时，原绕组中会产生交变电流，从而在铁芯中产生交变磁通。由于三个原绕组在空间上互成 120°，所以产生的三相磁通也是对称的。

这些交变磁通会穿过副绕组，根据电磁感应定律，副绕组中会感应出电动势。电动势的大小与绕组的匝数比有关，即副绕组电动势与原绕组电动势之比等于副绕组匝数与原绕组匝数之比。通过改变原、副绕组的匝数比，就可以实现电压的变换。

在理想情况下，三相双绕组变压器的原、副绕组的功率相等，即输入功率等于输出功率。但在实际中，由于存在铁芯损耗和绕组电阻损耗等，输出功率会小于输入功率。

三、三相双绕组变压器的连接组别

三相双绕组变压器的连接组别是表示原、副绕组的连接方式以及原、副边对应线电压相位关系的一种标记。常见的连接组别有 Yyn0、Dyn11、Yd11 等。

Yyn0 连接组中，原绕组采用星形连接（Y），中性点引出（n），副绕组也采用星形连接（y），中性点引出（n），原、副边线电压的相位差为 0°。这种连接组常用于低压配电变压器，具有结构简单、成本低等优点。

Dyn11 连接组中，原绕组采用三角形连接（D），副绕组采用星形连接（y），中性点引出（n），原、副边线电压的相位差为 30°。该连接组能够抑制三次谐波，提高供电质量，适用于对电压波形要求较高的场合。

Yd11 连接组中，原绕组星形连接（Y），副绕组三角形连接（d），原、副边线电压相位差 30°。它在高压输电系统中应用广泛，具有较好的绝缘性能和过电压保护能力。

连接组别的选择需要根据电力系统的要求、负载性质以及变压器的使用场合等因素来确定。

⛳️ 运行结果

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

本主页优快云博客涵盖以下领域：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP