《Electric Power Systems Research》：A study on hotspot temperature prediction in dry-type transformers based on multiphysics and field synergy analysis
编辑推荐：
•多物理场耦合揭示了箔式绕组中电流密度的非均匀性。•场协同分析揭示了流体涡与热点之间的关联。•GWO-KELM 模型提供了高精度的热点温度预测。•数字孪生平台实现了实时监测和预测性维护。引言在全球向低碳能源体系转型和现代电网发展的推动下，电力设备正朝着更高可靠性和更智能化的方
- •
多物理场耦合揭示了箔式绕组中电流密度的非均匀性。
- •
场协同分析揭示了流体涡与热点之间的关联。
- •
GWO-KELM 模型提供了高精度的热点温度预测。
- •
数字孪生平台实现了实时监测和预测性维护。
引言
在全球向低碳能源体系转型和现代电网发展的推动下，电力设备正朝着更高可靠性和更智能化的方向演进。作为输配电网络中的关键枢纽，干式变压器具有结构紧凑、抗短路能力强和电气性能优良等特点。由于绕组通常采用环氧树脂整体浇注，干式变压器的热特性成为评估其运行状态和健康状况的关键指标。在实际运行过程中，绕组内部的热量产生和散失高度不均匀，导致热点问题尤为突出。因此，对干式变压器热点温度进行精确的实时监测和预测具有重要的工程意义，这能确保电网可靠性并促进主动的状态维护 [1,2]。
干式变压器的电磁分析可以确定绕组损耗作为温度场的计算热源。因此，准确估算变压器绕组损耗对于提高模拟工况下仿真分析的准确性至关重要。文献 [3] 在大容量干式变压器热源计算中将整个绕组视为均匀热源。这种方法忽略了漏磁场影响下箔式绕组结构导致电流密度分布高度非均匀所引起的局部损耗集中问题。为了简化绕组中的集肤效应和邻近效应，文献 [4] 中提到的求解微分方程的分析方法被广泛使用。为解决这些问题，准确确定绕组内部的局部损耗分布已成为提高仿真精度的必要要求。有限元方法（如 A-V-A 和 T-ψ）可用于求解导体区域的涡流场问题 [5,6]。
现有的变压器温度场计算方法主要包括经验公式、热网络和数值模拟。对于基于公式的计算，可以采用 IEEE 标准（IEEE Std C57.91-2011）和 GB/T 1094.7-2008 推荐的温升经验公式 [7]。这些方法简单快捷，但精度有限。热网络方法可以反映变压器内部的热传递；然而，确定热容量和热阻等参数依赖于大量实验数据，导致计算工作量巨大。文献 [8] 采用考虑局部努塞尔数的热网络模型，并利用仿真数据对其进行优化。文献 [9] 结合流体流场来优化热网络中的对流换热阻力。数值模拟能更详细地揭示热 - 流体耦合机制。为了提高计算效率，通常采用模型简化或结构简化方法。文献 [10] 对 1/4 比例变压器模型进行了温度场计算，并预测了高压绕组中最热点的温度。然而，模型简化可能无法全面准确地反映变压器的运行状态。现有的数值模拟大多局限于温度和流体场的独立分析，缺乏对流换热的定量分析。因此，如何在确保仿真模型计算精度的同时满足现代智能电网对快速设备评估和在线监测的需求，是一个亟待解决的关键问题。
近年来，在人工智能和数字孪生（DT）技术进步的推动下，数据驱动的热点温度预测模型已成为克服这些瓶颈的主要焦点 [11,12]。尽管经典机器学习方法在处理非线性映射关系方面具有一定能力，但它们通常仍存在易陷入局部最优、泛化性能不足以及超参数选择缺乏指导等缺陷。核极限学习机（KELM）具有训练速度快和泛化性能好的优点，然而，其性能受正则化系数和核函数参数选择的影响，尽管可以通过引入优化算法来增强模型能力 [[13], [14], [15]]。为解决这些问题，当前的研究重点在于利用数字孪生技术对物理变压器、其运行状态以及各种工况下的信息进行数字映射，从而实现热点温度预测。
本文选择 SCB14-5250 kVA 干式变压器作为研究对象。基于有限元分析，建立了变压器的磁 - 热 - 流体耦合多物理场模型，并考虑了低压箔式绕组中的涡流效应。引入场协同理论对流体场分布与热点温度的关系进行了深入分析。通过将环境温度、负载率和风扇位置整合到使用灰狼优化器优化的核极限学习机中，实现了复杂工况下的热点温度预测。最后，构建了变压器的数字孪生模型，实现了各种工况下温度场数据的快速计算。
章节摘要
变压器的基本结构和参数
本研究聚焦于 SCB14-5250 kVA/37 kV 双绕组干式变压器，为其创建了一个三维数字模型，如图 1 所示。该干式变压器的低压绕组采用箔式绕组结构，通过空气间隙分为四层（内层和外层）。高压绕组采用扁平铜导体绕制，每匝的并联导体数为 1。它在径向分为三层（内层、中层和
变压器多物理场耦合的数值计算
变压器的运行损耗取决于其磁场特性。绕组损耗主要源于归因于内部电流的欧姆损耗和由漏磁通诱导的涡流损耗。这些损耗产生的热量首先通过安装在变压器底部的风扇在隔室内通过对流传递，然后通过安装在变压器顶部的风扇传递到外部环境
电磁损耗分析
为了模拟干式变压器在额定负载下的电磁特性，在 ANSYS Workbench 中建立了三维瞬态电磁模型。定义了铁芯的非线性 B-H 曲线和绕组电导率以确保模型准确性。在瞬态磁场仿真中，运行频率设为 50 Hz，模拟了五个电气周期，对应总时长为 100 ms。时间步长设为 0.2 ms。
核极限学习机
极限学习机（ELM）是专为单隐层前馈神经网络提出的一种高效学习算法，其特点是采用一种策略，其中隐层节点的输入权重和偏置参数是随机生成的。此外，这些参数在训练过程中无需迭代调整。只需设置隐层神经元数量即可获得模型的最优解。该算法具有以下优点
结论
本文以 SCB14-5250 kVA/37 kV 干式变压器为研究对象。基于实验数据和有限元仿真数据，构建了变压器的数字孪生平台，并实现了热点温度预测。得出以下结论：
- (1)
提出在漏磁场影响下，低压绕组中的涡流效应能更好地反映变压器在实际运行下的绕组损耗
CRediT 作者贡献声明
Yongteng Jing：概念化。Zhenyang Yuan：撰写–审阅与编辑，撰写–原稿。Zhanyang Yu：监督。Yan Li：监督。Shuang Xia：撰写–审阅与编辑，监督。
Yongteng Jing|Zhenyang Yuan|Zhanyang Yu|Yan Li|Shuang Xia
