Differential Low-Temperature AC Breakdown Between Synthetic Ester and Mineral Oils: Insights From Both Molecular Dynamics and Quantum Mechanics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Synthetic ester oil (SEO) is promising for bolstering sustainable development and enhancing operational reliability of transformers at low-temperature. The intention of this study is to acquire understanding of differential low-temperature AC breakdown characteristics exhibited by SEO and mineral oil (MO), while delving into the microscopic influencing factors. The results unveil that the breakdown voltage between -20°C and 20°C illustrates a "V"-shaped trend, with SEO consistently higher than MO. SEO presents its maximum breakdown voltage at -20°C and its minimum at 0°C, whereas MO demonstrates its maximum breakdown voltage at 20°C and its minimum at -10°C. Molecular dynamics (MD) and quantum mechanics (QM) calculations reveal that hydrogen bond and interaction energy associated with the state of water, along with the fraction of free volume, mean square displacement, and diffusion coefficient associated with particle transport property, collectively exert considerable influence on the breakdown voltage. Compared to MO, SEO exhibits a higher number of hydrogen bonds and interaction energies, while displaying lower fraction of free volumes, mean square displacements, and diffusion coefficients. Furthermore, the presence of electron trap, in conjunction with these combined factors, leads to a substantially higher breakdown voltage of SEO (31.4 kV) than that of MO at sub-zero temperatures. The wider energy gap of MO compared to SEO leads to a slightly higher breakdown voltage for MO (19.9 kV) compared to SEO at above-zero temperatures. This study provides experimental data and theoretical guidance for the promotion and stable operation of SEO-immersed transformers in UHVDC systems deployed in cold regions.
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.
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 | 0,001 |
| 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) | 0,000 | 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 découle