Details
Title | Analysis of electrostatic fields of high-voltage equipment and estimation of discharge voltages of air gaps: выпускная квалификационная работа магистра: направление 13.04.02 «Электроэнергетика и электротехника» ; образовательная программа 13.04.02_21 «Электроэнергетика (международная образовательная программа) / Electrical Engineering (International Educational Program)» |
---|---|
Creators | Ибеоджо Годвин Оджоре |
Scientific adviser | Титков Василий Васильевич |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт энергетики |
Imprint | Санкт-Петербург, 2025 |
Collection | Выпускные квалификационные работы ; Общая коллекция |
Subjects | диагностика высоковольтного оборудования ; моделирование конечного элемента ; переключающие импульсы ; длина пути ; объемное отношение ; напряжение разряда ; виртуальный разряд канал ; нейронная сеть ; машинное обучение ; искажение отношения ; high-voltage equipment diagnostics ; modeling finite element ; switching impulses ; length of path ; volume ratio ; discharge volrage ; virtual discharge cgannel ; neural network ; machine learning ; disrortion ratio |
Document type | Master graduation qualification work |
File type | |
Language | Russian |
Level of education | Master |
Speciality code (FGOS) | 13.04.02 |
Speciality group (FGOS) | 130000 - Электро- и теплоэнергетика |
DOI | 10.18720/SPBPU/3/2025/vr/vr25-2238 |
Rights | Доступ по паролю из сети Интернет (чтение, печать) |
Additionally | New arrival |
Record key | ru\spstu\vkr\35148 |
Record create date | 7/7/2025 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Group | Anonymous |
---|---|
Network | Internet |
Эта статья ориентирована на создание гибридной стратегии моделирования для прогнозирования напряжения пробоя длинных воздушных зазоров в сверхвысоковольтных (UHV) аппаратах под воздействием перенапряжений, вызванных коммутационными импульсами. Основные задачи, решенные в исследовании, были: 1. Исследование физических процессов, связанных с явлениями разряда в длинных зазорах 2. Моделирование геометрии высоковольтных электродов и электростатических полей с помощью метода конечных элементов при различных условиях напряжения и зазора, извлечение характеристик электрического поля; 3. Обучение и калибровка модели нейронной сети для прогнозирования напряжения 4. Проверка производительности модели с реальной геометрией подстанции. Этап моделирования включал построение упрощенных конфигураций проводник-рама в виде параметрических 3D-моделей, решенных в COMSOL Multiphysics. На основе этих моделей были вычислены и обобщены в обучающем наборе данных важные характеристики электрического поля, такие как напряженность поля, плотность энергии, градиент поля и пороговые коэффициенты. Контролируемая нейронная сеть впоследствии была обучена в MATLAB с целью изучения взаимосвязей между такими показателями поля и соответствующим 50%-ным пробивным напряжением (Uso). После успешного обучения модель была проверена на реальной установке подстанции, работающей под напряжением до 1050 кВ. При показателе отклонения прогноза около 6% пробивное напряжение было правильно оценено нейронной сетью. Результаты подтверждают перспективность объединения моделирования FEM с машинным обучением для предиктивной диагностики в системах изоляции высокого напряжения. Разработанная методология может помочь обнаружить критические условия разряда, а также направлять проектирование подстанции на ранних стадиях, выбор изоляции и бесконтактные методы тестирования. Эта методология может быть далее разработана и использована в диагностике и оценке безопасности высоковольтной инфраструктуры на уровне системы.
This paper is oriented towards the establishment of a hybrid modelling strategy for the prediction of the breakdown voltage of long air gaps in ultra-high-voltage (UHV) apparatus under the influence of the overvoltages caused by switching impulses. The principal tasks solved in the study were: 1. Investigating physical processes relating to long-gap discharge phenomena 2. Modelling high-voltage electrode geometries and electrostatic fields with the Finite Element Method Under different voltage and gap conditions, extracting the electric field features; 3. Training and calibrating a neural network model for voltage prediction 4. Validating model performance with real substation geometry The simulation phase entailed building simplified conductor-to-frame configurations in the form of parametric 3D models, solved in COMSOL Multiphysics. Based on these models, important electric field features—such as field strength, energy density, field gradient, and threshold-based ratios—were computed and summarized in a training dataset. The supervised neural network was subsequently trained in MATLAB with the intention of learning the relationship among such field indicators and the respective 50% breakdown voltage (Uso). Once the model was successfully trained, it was validated with a real substation setup energized up to 1050 kV. With a prediction deviation rate of about 6%, the breakdown voltage was correctly estimated by the neural network. The findings affirm the promise of coupling FEM simulation with machine learning for predictive diagnostics in high-voltage insulation systems. Developed methodology can help detect critical discharge conditions as well as guide substation design in the early stages, insulation selection, and non-touch testing techniques. This methodology can be further developed and used in the diagnostics and safety evaluation of high-voltage nfrastructure at the system level.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 0
Last 30 days: 0