单相四柱式变压器直流偏磁下的温升试验及仿真分析

基于定制的单相四柱式变压器试验模型,进行直流偏磁下的温升试验,得到结构件表面不同位置的温度随直流偏磁电流增大的变化规律.建立损耗计算模型,计算直流偏磁下各结构的损耗.建立温度场计算模型,给定结构件表面导热系数表达式;有限元软件考虑变压器油的材料参数随温度的变化,将导热系数作为未知变量之一进行求解;计算得到直流偏磁下的结构件的温度分布.试验模型的损耗、温度仿真结果与试验测量结果的误差较小,验证了计算模型和计算方法的正确性.     

变压器地磁感应电流-无功功率动态关系分析

利用两段线性直线表示变压器铁心i-?曲线,推导得到了地磁感应电流(GIC)与变压器无功功率之间的静态数学关系.在此基础上,考虑GIC准直流特性以及变压器三角形联结绕组对零序磁通的影响,搭建了磁暴期间变压器铁心准直流零序等效电路模型,用于计算实际作用于变压器铁心的直流大小和无功损耗.运用经过插值处理的实测GIC秒数据,对一台1000kV交流变压器和一台800kV换流变压器进行了仿真计算.结果表明当考虑GIC准直流特性时,三角形联结绕组的存在会影响变压器无功损耗且这种影响在GIC流向发生转变所对应的波形过零点阶段尤为显著,相同GIC下换流变压器受到的影响更大.通过灵敏度分析,找到了决定变压器无功损耗受GIC准直流特性影响大小的主要参数.     

铸态高韧性球墨铸铁的生产

通过选择适当的化学成分,严格执行各道工序的工艺规程,及时解决生产中出现的问题,生产出合格的铸态球墨铸铁。     

CAE技术在阀体铸件铸造工艺设计中的应用

针对特殊的铸件材质,用数值模拟的方法,计算并对比分析了不同冒口数量下阀体铸件的凝固过程.根据FEEDING缺陷及NIYAMA缺陷比较了不同工艺方案铸件的质量,为该件的顺利生产奠定了基础.     

发动机镁合金齿轮箱壳体砂型铸造

对比分析了3种砂型在镁合金铸件铸型和砂芯上的应用可行性,阐述了采用砂型铸造试制发动机镁合金齿轮箱壳体的工艺方法,并利用MAGMA铸造数值模拟软件选定最佳工艺方案,成功试制出满足用户要求的镁合金铸件.     

基于区域分解求解多尺度HVDC地电流场的广义极小残量迭代算法

为准确求解高压直流输电(HVDC)单极运行或故障状态下的入地电流场,需要建立更加贴近实际的计算模型。文中在建模时将接地极的具体尺寸考虑在内,并且将大地模型尺寸增大到上千公里,使得模型更加贴近实际,可以得到更准确的计算结果。考虑到接地极和大地区域尺寸的差距,模型属于多尺度模型。针对多尺度模型,文中采用重叠型的区域分解法,将包含接地极在内的小区域从整体模型中分解出来,独立建模求解。选取虚拟边界上的电位为迭代变量,将整个问题最终转化为非对称实数线性方程组。针对区域分解的迭代,文中基于Arnoldi正交化和广义极小残量法(GMRES)的数学原理,推导了不具体求解线性方程组系数矩阵的GMRES迭代算法。经验证,GMRES迭代算法是比直接迭代和超松弛迭代更加高效可行的迭代算法。最终通过计算得到了更加准确的HVDC入地电流场分布,通过与现有文献的比较发现考虑接地极具体尺寸对计算结果存在一定影响,另外,文中的算法也为多尺度恒定电流场的计算提供了一种新的计算方法。     

基于MAGMA的冷却器本体压铸成形分析及优化

冷却器本体是某汽车上的气密性零件.在其铸件设计开发中,分析了压铸工艺,确定了压铸工艺参数,并用CAD软件完成了铸件的三维建模和模具设计.基于工艺分析和CAD数据,采用MAGMA软件对冷却器本体的压铸成形过程进行了数值模拟,并结合工艺知识对模拟结果进行了分析,主要包括充型过程、凝固过程、模具温度分布、P-Q2图.根据分析结果,进行了模具和工艺的设计优化.调试和生产结果表明,冷却器本体压铸模和压铸工艺设计合理可行.     

金属颗粒对LW13-550罐式断路器电场的影响分析

LW13-550罐式断路器广泛应用于500 kV电网,运行可靠.但也出现了一些绝缘故障问题,故障情况是断路器在合闸和分闸状态,均可出现触头静侧或动侧屏蔽罩对外壳放电.经解体检查和返厂试验,认定故障原因是屏蔽罩下方的罐体内壁上的金属颗粒导致局部放电甚至绝缘击穿.为了定量分析金属颗粒尺寸与放电故障的关系,需要计算断路器内部...     

CAE技术在船用轴承盖铸件工艺设计上的应用

正1.工艺方案设计主轴承盖(见图1)材料为球墨铸铁,该产品受动态应力影响较大,其内在质量要求严格,不允许有缩松缺陷。工艺设计初期,拟定了3套工艺方案,其设计思路如下:(1)方案一(见图2)采用一个热冒口,在主轴承盖的一端进行补缩,另一端则期望利用球铁的自补缩能力消除缩松缺陷。     

基于小波变换和神经网络的光伏功率预测

提出了一种小波分解(Wavelet Transform,WT)和径向基函数神经网络(RBFNN)相结合的预测方法,并引入理论太阳辐照量、温度和相对湿度数据来预测未来24 h光伏电站的输出功率。小波分解能有效地表征光伏电站输出功率时间序列的局部特征,人工智能方法可以捕捉到光伏发电中的非线性特性。预测结果表明,采用该方法预测光伏电站输出功率,能有效地提高预测精度。