✅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
随着电力系统的不断发展,电力电缆的应用愈发广泛,成为城市电网和长距离输电的关键组成部分。然而,电力电缆在长期运行过程中,受电场、热场、机械应力及环境因素等影响,易出现局部放电现象。局部放电是电力电缆绝缘劣化的早期征兆,若不及时检测与处理,可能引发电缆绝缘击穿,导致电力中断,甚至引发火灾等严重事故。高频电流互感器(HFCT)能够有效测量电力电缆上的瞬态电流信号,捕捉局部放电产生的高频脉冲电流,为电力电缆的局部放电在线监测提供关键技术支持。因此,开展 HFCT 的设计研究,对于提高电力电缆局部放电检测的准确性和灵敏度,保障电力系统的安全稳定运行具有重要意义。
在电力电缆局部放电检测领域,国内外学者对 HFCT 的研究不断深入。国外在 HFCT 技术研究方面起步较早,已开发出多种适用于不同场景的 HFCT 产品,并广泛应用于电力系统在线监测。研究重点集中在提高 HFCT 的频率响应范围、灵敏度和抗干扰能力等方面。例如,通过优化磁芯材料和绕组结构,拓宽 HFCT 的工作频带,使其能更好地捕捉局部放电产生的高频信号。国内近年来在 HFCT 研究上也取得了显著进展,众多科研机构和企业致力于 HFCT 的国产化研发。在磁芯材料研究、传感器结构设计以及信号处理算法等方面均有突破。但与国外先进水平相比,在 HFCT 的精度、稳定性和可靠性等方面仍存在一定差距,需要进一步深入研究与改进。
高频电流互感器工作原理
HFCT 基于电磁感应原理工作,其基本结构由磁芯和绕组组成。当电力电缆中有电流通过时,会在电缆周围产生交变磁场。HFCT 套在电缆外部,电缆相当于互感器的一次绕组,而 HFCT 自身的绕组为二次绕组。根据电磁感应定律,一次绕组电流产生的交变磁场会在二次绕组中感应出电动势,进而产生感应电流。感应电流的大小与一次电流成正比,且频率相同。通过测量二次绕组的感应电流,即可间接获取电力电缆中的电流信息。
电力电缆局部放电产生的瞬态电流信号具有高频特性,其频率范围通常在数十 kHz 到数 MHz 之间。HFCT 为了能够有效测量这些高频信号,在设计上需要具备良好的高频响应性能。一方面,采用高磁导率、低损耗的磁芯材料,减少磁芯在高频下的磁滞损耗和涡流损耗,提高对高频信号的感应能力。另一方面,合理设计绕组匝数和绕组结构,优化 HFCT 的等效电路参数,拓宽其频率响应范围。通过这些设计,HFCT 能够准确感应局部放电产生的高频瞬态电流信号,并将其转换为易于测量和处理的电信号。
高频电流互感器设计关键环节
磁芯材料选型
磁芯材料的性能对 HFCT 的高频响应特性起着决定性作用。在高频下,磁芯的磁滞损耗和涡流损耗会显著增加,导致互感器的测量精度下降。因此,需要选择高磁导率、低损耗的磁芯材料。常见的用于 HFCT 的磁芯材料有铁氧体、纳米晶合金等。
铁氧体材料具有较高的电阻率,能够有效降低涡流损耗,在高频段具有较好的磁导率稳定性。例如镍锌铁氧体,其磁导率一般在几十到几千之间,适用于较高频率范围的 HFCT 设计。纳米晶合金则具有极高的磁导率和极低的磁滞损耗,在宽频带范围内都能保持良好的性能,但其成本相对较高。在实际设计中,需要综合考虑成本、工作频率范围以及对测量精度的要求等因素,选择合适的磁芯材料。
绕组结构设计
绕组匝数的确定需要兼顾互感器的变比和高频响应特性。增加绕组匝数可以提高互感器的变比,从而提高测量灵敏度,但同时也会增加绕组的电感和电阻,导致高频下的信号衰减加剧。因此,需要通过理论计算和仿真分析,找到一个合适的匝数比,以满足在目标频率范围内的测量要求。
绕组的绕制方式也会影响 HFCT 的性能。紧密绕制的绕组可以减小绕组间的寄生电容,有利于提高高频响应特性。此外,采用分层绕制、交错绕制等特殊绕制方式,还可以进一步优化绕组的电磁性能,减少漏磁和互感的影响。
参数优化
HFCT 的等效电路参数包括电感、电容、电阻等,这些参数相互影响,共同决定了互感器的频率响应和传输特性。通过建立 HFCT 的等效电路模型,利用电路分析方法和仿真软件,可以对这些参数进行优化。
例如,通过调整磁芯的尺寸和形状,可以改变磁芯的磁导率和电感;通过选择合适的绕组线径和绕制方式,可以控制绕组的电阻和寄生电容。在优化过程中,需要以提高 HFCT 在目标频率范围内的传输阻抗平坦度、减小相位误差为目标,对各个参数进行反复调整和优化,以达到最佳的设计性能。
高频电流互感器性能测试与分析
对设计完成的 HFCT 进行性能测试,是验证其是否满足设计要求的关键步骤。主要测试内容包括频率响应特性、灵敏度、线性度以及抗干扰能力等。
频率响应特性测试
频率响应特性测试用于评估 HFCT 在不同频率下的信号传输能力。通过使用信号发生器产生一系列不同频率的高频电流信号,施加到被测 HFCT 的一次侧,同时在二次侧测量输出信号的幅值和相位。将测量数据绘制成频率响应曲线,观察曲线的平坦度和截止频率等参数,判断 HFCT 的频率响应是否满足设计要求。如果频率响应曲线在目标频率范围内不够平坦,可能需要进一步优化磁芯材料、绕组结构或其他参数。
灵敏度测试
灵敏度测试旨在确定 HFCT 输出信号与输入信号之间的比例关系。在一定频率下,向 HFCT 的一次侧输入不同幅值的电流信号,测量二次侧输出信号的幅值,计算输出与输入信号幅值的比值,即得到 HFCT 在该频率下的灵敏度。通过测试不同频率下的灵敏度,绘制灵敏度随频率变化的曲线,评估 HFCT 在整个工作频率范围内的灵敏度一致性。如果灵敏度不符合设计要求,可能需要调整绕组匝数比或优化磁芯的磁导率等参数。
线性度测试
线性度测试用于检验 HFCT 输出信号与输入信号之间是否保持线性关系。在不同输入电流幅值下,测量 HFCT 的输出信号,计算输出信号与理论线性输出之间的偏差,以百分比表示线性度误差。良好的线性度对于准确测量电力电缆局部放电瞬态电流信号至关重要。如果线性度误差较大,可能是由于磁芯饱和、绕组非线性等原因引起的,需要对设计进行相应的改进。
抗干扰能力测试
电力电缆运行环境复杂,存在各种电磁干扰信号。因此,HFCT 需要具备较强的抗干扰能力。抗干扰能力测试可以在模拟的电磁干扰环境下进行,如在 HFCT 周围施加不同强度和频率的电磁场,观察 HFCT 对局部放电信号的测量准确性是否受到影响。通过测试,评估 HFCT 的屏蔽性能和抗干扰措施的有效性。如果抗干扰能力不足,可以采取增加屏蔽层、优化接地设计等方法来提高 HFCT 的抗干扰能力。
结论
本研究深入探讨了高频电流互感器(HFCT)在电力电缆局部放电瞬态电流信号测量中的应用,通过对其工作原理的分析,明确了 HFCT 设计所需考虑的关键因素。在设计过程中,从磁芯材料选型、绕组结构设计到参数优化等环节,提出了一套完整的设计方案。通过对设计完成的 HFCT 进行性能测试与分析,验证了其在高频信号测量下的准确性与可靠性。
研究成果表明,合理设计的 HFCT 能够有效测量电力电缆上的瞬态电流信号,为电力电缆局部放电在线监测提供了可靠的检测手段,有助于提升电力系统运行的安全性与稳定性。然而,目前 HFCT 在精度、稳定性等方面仍有进一步提升的空间,未来的研究可以围绕新型磁芯材料开发、优化设计算法以及提高制造工艺精度等方向展开,以不断完善 HFCT 技术,更好地满足电力系统日益增长的需求。
⛳️ 运行结果
🔗 参考文献
[1] 邓镓屹,王星华,聂一雄.用于电缆接头在线监测的高频电流传感器设计[J].电力电子技术, 2023, 57(5):33-36.
[2] 张磊祺,盛博杰,姜伟,等.基于电缆传递函数和信号上升时间的电力电缆局部放电在线定位方法[J].高电压技术, 2015, 41(4):10.DOI:10.13336/j.1003-6520.hve.2015.04.018.
[3] 张磊祺,盛博杰,姜伟,等.基于电缆传递函数和信号上升时间的电力电缆局部放电在线定位方法[J].高电压技术, 2015.DOI:JournalArticle/5b3ba1bdc095d70f0083651d.
📣 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
👇