[发明专利]一种新型非晶合金干变拉板结构及其涡流在线监测方法

权利要求书

1.变压器的一种新型非晶合金干变拉板结构及其涡流在线监测方法，其特征在于，所采用的技术方案包括以下内容：

(1)一种新型非晶合金干变拉板结构，该拉板结构能有效地降低由于铁心励磁而产生的涡流损耗，降低噪声分贝，减少体积小，提高材料利用率。

(2)采用软测量技术实现变压器涡流信息的在线监测。

2.根据权利要求1所述，其特征在于：拉板根据铁心导磁原理加工成封闭环形结构，作为铁心有效截面的一部分，便于励磁。

3.根据权利要求1所述，其特征在于，采用高导磁材料有效地增加了铁心的有效截面，在相同的磁通密度下，线圈的匝数减少，体积减少，材料利用率提高，使变压器成本大大降低。

4.根据权利要求1所述，其特征在于，根据导磁方向在拉板中间确定开孔位置，采用激光技术开孔在孔内填充进口3M树脂胶。

5.根据权利要求1所述，其特征在于，环形拉板表面采用先进的激光切割技术，所有加工面无毛刺，并在非晶合金铁心表面粘贴进口3M树脂胶。

6.根据权利要求1所述，其特征在于，采用神经网络构建软测量模型。

7.根据权利要求6所述的方法，其特征在于，其软测量模型可以实现在线监测的涡流信息包括：涡流大小，涡流分布以及涡流损耗大小。

8.根据权利要求6所述的方法，其特征在于：采用RBF神经网络构建模型。也可以采用其他前向神经网络。本发明以RBF神经网络为例。

9.根据权利6所述，其特征在于，神经网络选择的基本变量有：额定电压、电流，额定容量，频率，负载电流，电流密度、电场强度、磁场强度，开槽数，损耗比，铁心直径，电阻率，环境温度，绕组系数，负载系数，拉板高度、厚度等。

10.根据权利7，9所述，其特征在于，RBF神经网络的输入层有XX个神经元，其输出层有3个神经元，隐含层节神经元。

11.根据权利10所述，其特点在于：RBF网络的基函数采用高斯函数；基函数的学习中心用K-均值聚类算法获得；权值的学习采用LMS算法。

12.根据权利10所述，其特征在于，该方法可以通过调整输入和输出层神经元的个数、输出权值以及相关参数，来实现适应不同的变压器以及不同的工作环境。

13.根据权利11所述，其特征在于，算法终止条件可以根据实际需要的精度进行设置，或设置最大迭代次数。