تخمین دمای نقطه داغ ترانسفورماتور قدرت با خنک سازی روغن اجباری_آب اجباری با بهره‌گیری از الگوریتم گرگ خاکستری

نوع مقاله : علمی-پژوهشی

نویسندگان

1 گروه مهندسی برق-دانشکده فنی و مهندسی - دانشگاه بین‏ المللی امام خمینی (ره) - قزوین - ایران

2 گروه مهندسی برق قدرت دانشکده فنی دانشکاه بین المللی امام خمینی(ره)، قزوین ،ایران

چکیده

ترانسفورماتور از اجزای کلیدی و گران قیمت شبکه قدرت می‌باشد. اهمیت بهره‌برداری صحیح از آن به حدی است که تامین برق پایدار برای مصرف کننده و افزایش قابلیت اطمینان شبکه قدرت بدون سلامت ترانسفورماتور میسر نیست. لازمه سلامت ترانسفورماتورها، برنامه‌ریزی دقیق برای آن‌هاست. یکی از مواردی که باید به‌ منظور بهره‌برداری درست از ترانسفورماتور محاسبه شود، دمای نقطه داغ آن است. امروزه ترانسفورماتورهای بسیار بزرگی ساخته شده که روش‌های خنک‌سازی مرسوم، برای آن‌ها کارآمد نیست. بنابراین باید از روش‌های جدیدتر و کارآمدتر برای خنک‌سازی بهره برد. یکی از روش‌هایی که کمتر مورد توجه مهندسان، طراحان و پژوهشگران قرار گرفته است، روش خنک سازی روغن اجباری- آب اجباری (OFWF) می‌باشد. این روش خنک‌سازی علی رغم کارایی بالا کمتر مورد توجه پژوهشگران قرار گرفته است. الگوریتم‌های فراابتکاری، علی‌رغم کارایی بالا و دقت و سرعت مناسب آن‌ها کمتر برای محاسبه نقطه داغ ترانسفورماتور مورد توجه پژوهشگران قرار گرفته است؛ بنابراین در این مقاله به منظور افزایش دقت تخمین دمای نقطه داغ ترانسفورماتور، از الگوریتم گرگ خاکستری استفاده می‌شود. این الگوریتم به دلیل ساختار آن حجم کمتری برای انجام محاسبات بهینه‌سازی نیاز دارد؛ همچنین این الگوریتم دارای سرعت و دقت مناسبی برای انجام محاسبات بهینه‌سازی است. از طرفی به منظور افزایش دقت تخمین دمای نقطه داغ ترانسفورماتور، از مدل دینامیکی محاسبه دمای نقطه داغ ترانسفورماتور استفاده می‌شود. نتایج از افزایش سرعت و دقت تخمین دمای نقطه داغ ترانسفورماتور به کمک الگوریتم گرگ خاکستری حکایت دارد. همچنین با توجه به نتایج استفاده از روش خنک‌سازی OFWF برای ترانسفورماتورهای بزرگ بسیار کاراست.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Transformer hot spot temperature estimation with OFWF cooling using grey wolf algorithm

نویسندگان [English]

  • Mohammad Ali Taghikhani 1
  • Hadi Abbasi 2
1 Department of Engineering, Imam Khomeini International University, Qazvin, Iran
2 Faculty of Engineering, Imam Khomeini International University, Qazvin, Iran
چکیده [English]

Transformers are one of the most important and expensive components of the power network. The importance of corect operation of transformer is such that sustainable electricity supply for the consumer and increasing the reliability of the power grid without transformer health is not possible. Transformer health requires careful planning for them. Transformer hot spot temperature(HST) needs to be calculated for accurate transformer planning. Today, very large transformers are made that conventional cooling methods are not efficient for them. Therefore, it is necessary to use newer and more efficient cooling methods. Oil forced - water forced (OFWF) cooling has been less considered from engineers, designers and researchers. This cooling method despite high efficiency has received less attention from researchers. The use of heuristic algorithms for transformer HST estimation, regardless of their high efficiency, accuracy and appropriate speed have been less considered by investigators, therefore in this paper, in order to increase the accuracy of the transformer HST estimation, the grey wolf optimization(GWO) algorithm is used. This algorithm requires less memory to perform optimization calculations, on the other hand has high run speed and accuracy for optimization. Moreover, in order to increase the accuracy of the transformer HST estimation, dynamic model is used. The results show that the GWO algorithm increases speed and accuracy of the transformer HST estimation. Furthermore, the results indicate that the OFWF cooling method is very efficient for large power transformers.

کلیدواژه‌ها [English]

  • Gray wolf Algorithm
  • Hot Spot, OFWF
  • Power transformer