Proof of the Concept of Detailed Dynamic Thermal-Hydraulic Network Model of Liquid Immersed Power Transformers
Notice bibliographique
Résumé
The paper presents a physics-based method to calculate in real time the distribution of temperature in the active part of liquid immersed power transformers (LIPT) in a transient thermal processes during grid operation. The method is based on the detailed dynamic thermal-hydraulic network model (THNM). Commonly, up to now, lumped models have been used, whereby the temperatures are calculated at a few points (top-oil and hot-spot), and the parameters are determined from basic or extended temperature-rise tests and/or field operation. Numerous simplifications are made in such models and the accuracy of calculation decreases when the transformer operates outside the range of tested values (cooling stage, loading). The dynamic THNM reaches the optimum of accuracy and simplicity, being feasible for on-line application. The paper presents fundamental equations of dynamic THNM, which are structurally different from static THNM equations. The paper offers the numerical solver for the case of a closed-loop thermosyphon. To apply the method for real transformer grid operation, there is a need to develop details as in static THNM, which has been used to calculate the distribution of the temperatures in LIPT thermal design. The paper proves the concept of dynamic THNM using the experimental results of a closed-loop thermosyphon small-scale model, previously published by authors from McGill University in 2017. The comparison of dynamic THNM with measurements on that model are presented in the paper.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».