【变压器的开路和短路试验】提供从开路和短路试验中获得的结果电阻性和感性参数附Simulink仿真

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

变压器的开路试验和短路试验是获取其等值电路参数的重要手段，通过这两种试验可精确确定变压器的电阻性参数（如励磁电阻、短路电阻）和感性参数（如励磁电抗、短路电抗）。本文详细介绍了变压器开路试验与短路试验的原理、操作步骤及数据测量方法，重点阐述了如何从试验结果中计算各参数的过程，并分析了试验中的误差来源及减小误差的措施。研究结果为变压器的性能分析、运行维护及等值电路建模提供了关键参数依据，对确保变压器安全稳定运行具有重要意义。

关键词

变压器；开路试验；短路试验；电阻性参数；感性参数；等值电路

一、引言

1.1 研究背景与意义

变压器是电力系统中实现电压变换、电能传输的核心设备，其性能参数直接影响电力系统的运行效率和稳定性。在变压器的设计、制造、运行及维护过程中，准确获取其电阻性和感性参数至关重要。这些参数是构建变压器等值电路的基础，也是分析变压器损耗、效率、电压调整率等性能指标的关键依据。

开路试验和短路试验作为变压器出厂试验和现场试验的重要项目，能够在不破坏变压器结构的前提下，便捷、准确地获取其核心参数。其中，开路试验主要用于确定变压器的励磁参数（励磁电阻和励磁电抗），短路试验则用于确定绕组的漏阻抗参数（短路电阻和短路电抗）。深入理解这两种试验的原理及参数计算方法，对变压器的性能评估和故障诊断具有重要的理论与实际意义。

1.2 国内外研究现状

变压器试验技术的研究已较为成熟，早期主要通过传统的仪表测量和手工计算获取参数，随着电子技术和自动化测试系统的发展，试验的精度和效率得到了显著提升。目前，国内外学者在试验方法优化、误差分析及参数辨识等方面开展了大量研究。

在开路试验方面，研究重点集中在如何消除铁芯非线性特性对参数测量的影响，文献 [1] 提出通过多次改变试验电压获取不同磁通密度下的参数，以更准确地反映变压器在不同运行状态下的励磁特性。在短路试验方面，学者们关注短路电流对试验设备的影响及参数测量的准确性，文献 [2] 设计了一种基于虚拟仪器的短路试验系统，实现了试验数据的实时采集与分析，提高了参数计算的精度。

尽管现有研究已形成较为完善的试验体系，但在实际应用中，由于试验环境、测量仪器精度等因素的影响，参数计算仍可能存在误差。因此，系统梳理试验原理及参数计算方法，分析误差来源并提出改进措施，对提高参数获取的准确性具有重要价值。

1.3 本文主要工作

1. 阐述变压器开路试验和短路试验的基本原理，明确试验的目的和适用条件。

1. 详细描述两种试验的操作步骤，包括试验接线、仪器选择、数据测量等内容。

1. 建立参数计算模型，推导从试验数据中获取励磁电阻、励磁电抗、短路电阻、短路电抗等参数的公式。

1. 分析试验过程中的误差来源，并提出相应的误差减小措施。

1. 通过实例计算，验证参数计算方法的有效性和准确性。

二、变压器开路试验

2.1 试验原理

变压器开路试验又称空载试验，通常在变压器的低压侧施加额定电压，高压侧开路。此时，变压器铁芯中产生额定磁通，绕组中流过空载电流（励磁电流），该电流主要用于励磁，其数值较小（约为额定电流的 2%-10%）。

在开路试验中，变压器的主要损耗为铁芯损耗（磁滞损耗和涡流损耗），绕组的铜损耗可忽略不计（因空载电流很小）。通过测量施加的电压、空载电流及输入功率，可计算出变压器的励磁电阻和励磁电抗。

2.2 试验接线与操作步骤

2.2.1 试验接线

开路试验的典型接线如图 1 所示（以单相变压器为例）：

• 低压侧接入调压器和交流电源，通过调压器调节施加到低压侧的电压至额定值。

• 低压侧串联电流表，用于测量空载电流。

• 低压侧并联电压表，用于测量施加的电压。

• 功率表跨接在低压侧，用于测量空载功率（即铁芯损耗）。

• 高压侧开路，不接入任何负载。

三、变压器短路试验

3.1 试验原理

变压器短路试验又称负载试验，通常在变压器的高压侧施加较低电压，低压侧短路。此时，施加的电压主要用于克服绕组的漏阻抗，使绕组中流过额定电流。

在短路试验中，由于施加的电压较低（约为额定电压的 5%-10%），铁芯中的磁通密度很小，铁芯损耗可忽略不计，试验中的功率损耗主要为绕组的铜损耗。通过测量施加的电压、短路电流及输入功率，可计算出变压器的短路电阻和短路电抗。

3.2 试验接线与操作步骤

3.2.1 试验接线

短路试验的典型接线如图 2 所示（以单相变压器为例）：

• 高压侧接入调压器和交流电源，低压侧直接短路（通过短路线连接）。

• 高压侧串联电流表，用于测量短路电流。

• 高压侧并联电压表，用于测量施加的短路电压。

• 功率表跨接在高压侧，用于测量短路功率（即铜损耗）。

四、参数的归算

五、误差分析与减小措施

5.1 误差来源

1. 仪器误差：测量电压、电流和功率的仪表精度不足，会导致试验数据存在误差，进而影响参数计算结果。

1. 试验环境影响：环境温度、湿度的变化会影响绕组电阻的测量值；外界磁场干扰可能导致电流、电压测量不准确。

1. 操作误差：试验过程中电压或电流调节不稳定，读数时机不当等操作因素会引入误差。

1. 绕组发热：短路试验中绕组通过额定电流时会产生热量，导致电阻增大，若未进行温度换算，会使短路电阻的计算值偏小。

1. 铁芯非线性：开路试验中，铁芯的磁滞回线和涡流效应具有非线性特性，在不同电压下的励磁参数会有所变化，可能导致参数计算存在偏差。

5.2 减小误差的措施

1. 选用高精度的测量仪器（如 0.5 级及以上的电压表、电流表和功率表），并在试验前对仪器进行校准。

1. 试验应在环境温度稳定（通常为 20℃左右）、无强磁场干扰的场所进行；对于短路试验，应在绕组温度接近环境温度时进行测量，并根据实际温度进行电阻换算。

1. 试验过程中缓慢调节电压或电流，待参数稳定后再读取数据，多次测量取平均值以减小随机误差。

1. 开路试验中，尽量在额定电压下进行测量，以保证参数的代表性；若需研究不同电压下的特性，应进行多次试验并绘制特性曲线。

1. 对于大型变压器，可采用三相试验方法，考虑三相不对称性对参数的影响，提高参数计算的准确性。

六、实例计算

七、结论

变压器的开路试验和短路试验是获取其电阻性和感性参数的有效手段。开路试验通过测量低压侧的空载电压、电流和功率，可计算出励磁电阻和励磁电抗，反映变压器的铁芯损耗和励磁特性；短路试验通过测量高压侧的短路电压、电流和功率，可计算出短路电阻和短路电抗，反映绕组的铜损耗和漏磁特性。

⛳️ 运行结果

🔗 参考文献

[1] 康姣,胡志强,周红茹,等.基于MATLAB/Simulink的染料敏化太阳能电池输出特性仿真[J].大连工业大学学报, 2011, 30(3):4.DOI:10.3969/j.issn.1674-1404.2011.03.009.

[2] 刘震,林辉,司利云.开关磁阻发电系统的故障分析及仿真[J].电力系统及其自动化学报, 2005, 17(5):5.DOI:CNKI:SUN:DLZD.0.2005-05-001.

[3] 李秉宇,杜旭浩,蔡子文,等.基于电热耦合仿真模型的充电装置故障诊断技术研究[J].河北电力技术, 2024, 43(5):38-42.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 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

👇