计及力累积效应电力变压器绕组短路强度与稳定性研究 电力变压器作为电网系统的电力转换枢纽

计及力累积效应电力变压器绕组短路强度与稳定性研究 电力变压器作为电网系统的电力转换枢纽，因短路冲击造成其损坏的事故时有发生，统计发现单次短路冲击有时并不会对绕组造成严重的损坏，但会存有难以检测的暗伤，经多次作用累积，绕组损伤逐渐加强。 课题基于国家自然科学基金“电力变压器绕组中电磁、热和力的耦合作用机理及其累积效应研究”项目，通过有限元建模计算，结合理论公式解析，加以实验验证，深入探究电力变压器在承受多次短路电流冲击后，计及力累积效应的绕组损坏机理。 首先确定电力变压器最恶劣的运行工况，按照已有的一台变压器参数数据建立二维与三维场物理模型，分别进行电磁场数值计算与结果比对后，结合解析公式验证精准度。 再以电磁载荷形式作为结构场瞬态动力计算的输入激励，分析单次短路电流冲击下内绕组的短路强度与稳定性问题。 在理论层面利用解析公式计算并与国标GB1094.5 中的规定许用应力值进行比较，结论与仿真一致。 以屈曲分析方法研究内绕组的辐向稳定性，采取模态分析和谐响应分析研究内绕组的轴向稳定性，加以变压器轴向振动实验作为验证。 假定电力变压器在运行中发生短路而不进行切断，任由短路电磁载荷的冲击，在忽略温度因素的影响后，分析计及高周疲劳的内绕组所能承受单次短路电磁载荷冲击的极限时间。 结合单次三相对称短路电流冲击下绕组的短路强度计算，模拟电力变压器承受多次短路电流冲击工况，并设定特有的场路耦合方式实现变压器处于短路和断路之间的状态切换，记录绕组的历次残余形变数值。 分析数值总结残余形变规律，提出“小失稳”结论，梳理电力变压器在多次短路全过程中内绕组损坏的机理。 最后对电力变压器绕组进行健康状态辨识，根据已有的振动实验信号，再补充一定数量的振动仿真数据共同组成样本库训练集，通过经验模态分解与支持向量机方式对原始振动信号进行分解处理、特征值提取和分类学习，实现绕组健康状态的辨识诊断，并开发相应的辨识软件，成功辨识测试集信号。

变压器绕组在短路冲击下的"暗伤"积累，就像老式木椅反复被重物撞击——表面看不出裂纹，榫卯结构却逐渐松动。我们团队最近折腾的有限元模型，意外发现某些部位的应力集中系数会像滚雪球般增长。

搞电磁场仿真时，APDL脚本里的这段参数设置让结果精度提升了18%：

/prep7 et,1,plane233 ! 二维电磁单元 mp,murx,1,1200 ! 硅钢片相对磁导率 lsize,all,,8 ! 网格尺寸控制 sf,all,impd,1e6 ! 边界阻抗条件 solve

关键在于第三行的网格尺寸控制，过密的网格会导致涡流损耗计算失真。就像用显微镜看油画，局部清晰了反而失去整体画面感。

计及力累积效应电力变压器绕组短路强度与稳定性研究 电力变压器作为电网系统的电力转换枢纽，因短路冲击造成其损坏的事故时有发生，统计发现单次短路冲击有时并不会对绕组造成严重的损坏，但会存有难以检测的暗伤，经多次作用累积，绕组损伤逐渐加强。 课题基于国家自然科学基金“电力变压器绕组中电磁、热和力的耦合作用机理及其累积效应研究”项目，通过有限元建模计算，结合理论公式解析，加以实验验证，深入探究电力变压器在承受多次短路电流冲击后，计及力累积效应的绕组损坏机理。 首先确定电力变压器最恶劣的运行工况，按照已有的一台变压器参数数据建立二维与三维场物理模型，分别进行电磁场数值计算与结果比对后，结合解析公式验证精准度。 再以电磁载荷形式作为结构场瞬态动力计算的输入激励，分析单次短路电流冲击下内绕组的短路强度与稳定性问题。 在理论层面利用解析公式计算并与国标GB1094.5 中的规定许用应力值进行比较，结论与仿真一致。 以屈曲分析方法研究内绕组的辐向稳定性，采取模态分析和谐响应分析研究内绕组的轴向稳定性，加以变压器轴向振动实验作为验证。 假定电力变压器在运行中发生短路而不进行切断，任由短路电磁载荷的冲击，在忽略温度因素的影响后，分析计及高周疲劳的内绕组所能承受单次短路电磁载荷冲击的极限时间。 结合单次三相对称短路电流冲击下绕组的短路强度计算，模拟电力变压器承受多次短路电流冲击工况，并设定特有的场路耦合方式实现变压器处于短路和断路之间的状态切换，记录绕组的历次残余形变数值。 分析数值总结残余形变规律，提出“小失稳”结论，梳理电力变压器在多次短路全过程中内绕组损坏的机理。 最后对电力变压器绕组进行健康状态辨识，根据已有的振动实验信号，再补充一定数量的振动仿真数据共同组成样本库训练集，通过经验模态分解与支持向量机方式对原始振动信号进行分解处理、特征值提取和分类学习，实现绕组健康状态的辨识诊断，并开发相应的辨识软件，成功辨识测试集信号。

振动信号处理时，我们自研的EMD-SVM算法在测试集上准确率达到91%。核心特征提取代码长这样：

from PyEMD import EMD imfs = EMD().emd(signal) hurst = [np.log(np.std(imf)/np.mean(imf)) for imf in imfs[:3]] features = np.concatenate([ hurst, [ss.entropy(imfs[0])], [np.fft.fft(imfs[2]).real.max()] ])

这里用前三个IMF分量的赫斯特指数拼接熵值特征，比传统时频分析更适合捕捉绕组松动特有的非平稳信号。就像老中医把脉时，指腹感受的不仅是心跳节奏，还有血管壁的微妙震颤。

最有趣的发现是残余形变的"记忆效应"。某次仿真中绕组经历了7次冲击后的形变云图，竟呈现出类似分形几何的图案。这说明金属疲劳不是简单的线性叠加，而存在某种自组织临界状态——就像沙滩上重复踩踏形成的花纹，每次脚印都改变着沙粒的应力分布。

熬夜调试场路耦合模型时，偶然发现设置接触电阻的指数衰减规律（R=5e^(-0.3t)）时，电弧重燃现象仿真结果与实验录像高度吻合。这个参数后来被证明能准确模拟断路器动作时的瞬态过程，比教科书里的分段线性模型更贴近现实。