MétaCan
Menu
Retour à la cohorte
Enregistrement W2217827600 · doi:10.1109/ceidp.2015.7352049

Aging effect on oil cooling capacity of a non-guided disc windings power transformer

2015· article· en· W2217827600 sur OpenAlexaff
K. S. Kassi, I. Fofana, Marie‐Isabelle Farinas, C. Volat

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower Transformer Diagnostics and Insulation
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésTransformerMultiphysicsElectromagnetic coilMaterials scienceTransformer oilMineral oilPetroleum engineeringComposite materialMechanical engineeringEnvironmental scienceElectrical engineeringEngineeringMetallurgyStructural engineeringVoltageFinite element method

Résumé

récupéré en direct d'OpenAlex

Many transformers around the world are serving close to or beyond their design life. In these important asset, cores and coils losses cause heating and energy losses within the core decreasing their efficiency and shortening their life expectancy. The aim of this contribution was to study the aging effect on mineral oil cooling capacity of power transformers. The oil aging effect on its viscosity and its physicochemical properties is also reported. A 2D axisymmetric thermo-fluid numerical model was developed with COMSOL Multiphysics to study the cooling capability of oil aged at different levels. The results show that the oil viscosity increase considerably with aging and its physicochemical properties are also affected. It was found that sludge as oil oxidation byproduct contributes to the widening of hot spots in the transformers with non-guided disc windings.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,240
Score d'incertitude au seuil0,602

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,237
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower Transformer Diagnostics and InsulationTravaux en français237 207