Power savings obtained from supply voltage variation on squirrel cage induction motors
Notice bibliographique
Résumé
This paper offers practical guidance about the nature of design and application engineering trade-offs that may be used to optimize motor efficiency to match a low load output shaft power condition and thereby achieve power savings by reducing the losses in squirrel cage induction motors (SCIM). This opportunity is the result of motor efficiency dropping off significantly at low load factors of mechanical output shaft power and can be explained by analyzing the balance between various components of the electric and magnetic power flows in the motor with respect to motor loading. This paper analyzes the possibility of obtaining minimum power losses at low motor loading and explains how iron losses, which usually are considered constant, can be made variable and optimized for power savings. The study was done using a typical 20 HP (15 kW), TEFC, 4 poles, 480 V, energy-efficient motor. This motor type is a common squirrel cage induction motor used in various industry applications and sometimes found operating at low loads for long periods of time. A squirrel cage induction motor design program was used to simulate the motor performance characteristics for low values of motor loading under various supply voltages. The study found that for this particular motor design, power savings of up to 2% and up to 20% of the total input power at motor loadings of 0.5 and 0.1 respectively can be achieved by varying the supply voltage. Minimizing motor losses by reducing the supply voltage could be realized with the advances and emerging technologies in power electronics. The findings of this study suggest a method of evaluating possible power savings for any SCIM prior to installing a specific control device.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».