Negative corona discharge mechanism in C4F7N–CO2 and C4F7N–N2 mixtures
Notice bibliographique
Résumé
Due to their good dielectric properties and low global warming potential, C4F7N–CO2 and C4F7N–N2 mixtures have shown promising potential to replace SF6 in high voltage gas insulated equipment. However, during manufacturing, installation, and transportation of power equipment, burs and metal particles can be inevitably left inside, and they can cause corona discharge. Fundamental investigation of the corona discharge mechanism is essential to monitor partial discharge signals in environmentally friendly power equipment. This paper applies the fluid model to investigate the discharge mechanism of C4F7N–CO2 and C4F7N–N2 mixtures in negative point-plane corona discharge. A 2D axisymmetric model combines the drift-diffusion equations for electrons, positive ions, and negative ions and Poisson’s equation to study the process of dynamics. The gas is a mixture of C4F7N (5%, 7%, or 13%) and CO2 or N2 (95%, 93%, or 87%). The rise time of the first discharge pulse in C4F7N–CO2 and C4F7N–N2 mixtures is about 0.1 ns. The interval time between the first and the second pulse in the 5% C4F7N–95%CO2 mixture is about 1.5 times longer than that in the 5% C4F7N–95% N2 mixture. When the C4F7N content is 7% and 13%, the interval time between the first and second pulses in C4F7N–CO2 mixtures is about 2 and 3 times longer than those in C4F7N–N2 mixtures, respectively. The suppression regions in C4F7N–CO2 mixtures are larger than those in corresponding C4F7N–N2 mixtures. The total number of electrons, positive ions, and negative ions in C4F7N–CO2 mixtures is higher than that in C4F7N–N2 mixtures, while the reduced electric field in C4F7N–CO2 mixtures is smaller than that in C4F7N–N2 mixtures.
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 ».