【变压器的开路试验】变压器进行开路试验时的电路连接配置附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

变压器的开路试验是研究变压器特性的重要手段，主要用于测定铁芯损耗（铁损）、励磁阻抗以及变比等关键参数。该试验通过将变压器一侧绕组开路，另一侧施加额定电压，模拟变压器空载运行状态，进而分析其空载特性。而合理的电路连接配置是确保试验数据准确、试验过程安全的核心环节。

一、开路试验的核心原则与适用绕组选择

开路试验的核心原则是在低压侧施加额定电压，高压侧开路。这一选择主要基于安全性和测量便利性：

• 安全性：低压侧额定电压较低（如配电变压器低压侧通常为 220V 或 380V），施加额定电压时操作风险低，且不易对试验设备造成过压损坏。

• 测量准确性：高压侧开路时，低压侧的空载电流（励磁电流）较小（通常为额定电流的 2%-10%），普通电流表即可精确测量；若反接（高压侧加压、低压侧开路），则高压侧励磁电流极小，可能超出常规电流表的测量范围，导致误差增大。

特殊情况下，如小型干式变压器或低压侧电压过高（如 10kV 级低压侧），也可选择在高压侧施加额定电压，但需配备更高绝缘等级的试验设备，并采取严格的安全防护措施。

二、三相双绕组变压器的开路试验电路连接

三相双绕组变压器的开路试验电路需满足三相电压对称施加、各相参数独立测量的要求，典型连接方式如下：

2.1 电源与变压器的连接

• 电源接入：将三相交流电源（需与变压器低压侧额定电压匹配，如低压侧额定线电压 380V，则接入 380V 三相电源）通过三相调压器连接至变压器低压侧（如 Dyn11 连接组的低压侧 y 端）。调压器的作用是平稳调节输入电压，确保试验时能精确施加额定电压。

• 高压侧处理：将变压器高压侧（如 Dyn11 的高压侧 D 端）三相绕组全部开路，即不接入任何负载或测量设备，仅保持绕组端点悬空（需注意绝缘，避免与地或其他导体接触）。

2.2 测量仪器的连接

为全面获取空载特性数据，需在低压侧串联或并联以下测量仪器：

• 电压表（V）：并联在低压侧三相输入端，测量施加的线电压（如 Uab、Ubc、Uca），需选用量程略大于低压侧额定线电压的交流电压表（精度不低于 0.5 级）。

• 电流表（A）：串联在低压侧的一相线路中（如 A 相），测量空载线电流（Ia），由于空载电流较小，电流表量程应选择接近预计空载电流的档位（如额定电流 5A 的变压器，可选 0-1A 量程）。

• 功率表（W）：用于测量空载损耗（铁损），采用两表法连接：

• 第一只功率表的电流线圈串联在 A 相，电压线圈并联在 A、B 相间（测量 Uab、Ia 的有功功率）；

• 第二只功率表的电流线圈串联在 C 相，电压线圈并联在 C、B 相间（测量 Ucb、Ic 的有功功率）；

• 两表读数之和即为三相总空载功率（因三相对称，总功率 = 3× 单相功率）。

• 相位表（可选）：用于测量电压与电流的相位差，辅助计算励磁阻抗的功率因数。

⛳️ 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