Bagaimana untuk melaksanakan pengubah padat di Python?

Transformer padat telah muncul sebagai penyelesaian revolusioner dalam bidang sistem kuasa elektrik, yang menawarkan kecekapan yang tinggi, jejak yang dikurangkan, dan prestasi yang sangat baik. Sebagai pembekal pengubah kompak terkemuka, saya teruja untuk berkongsi dengan anda bagaimana untuk melaksanakan pengubah padat di Python. Panduan ini akan meliputi latar belakang teoritis, langkah pelaksanaan praktikal, dan beberapa petua untuk mengoptimumkan pelaksanaan anda.

Latar belakang teoretikal transformer padat

Sebelum menyelam ke dalam pelaksanaan, penting untuk memahami apa yang transformer padat. Transformer padat, sepertiPengubah pencawang padat, direka untuk menyediakan penyelesaian ketumpatan kuasa yang tinggi. Mereka biasanya digunakan dalam pelbagai aplikasi, termasuk sektor tenaga perindustrian, komersial, dan boleh diperbaharui.

Prinsip teras pengubah adalah berdasarkan induksi elektromagnet. Pengubah padat biasanya terdiri daripada penggulungan utama, penggulungan sekunder, dan teras magnet. Apabila arus berselang (AC) mengalir melalui penggulungan utama, ia mewujudkan medan magnet yang berubah dalam inti. Medan magnet yang berubah ini kemudian mendorong daya elektromotif (EMF) dalam penggulungan sekunder, mengakibatkan pemindahan tenaga elektrik dari bahagian utama ke bahagian sekunder.

Perpustakaan Python untuk melaksanakan transformer padat

Untuk melaksanakan pengubah padat di Python, kami akan bergantung pada beberapa perpustakaan utama:

1. Numpy: Perpustakaan asas untuk pengkomputeran saintifik di Python. Ia menyediakan sokongan untuk pelbagai jenis dimensi dan koleksi fungsi matematik yang besar.
2. Scipy: Perpustakaan yang dibina di Numpy dan menawarkan fungsi tambahan untuk pengkomputeran saintifik dan teknikal, termasuk pemprosesan isyarat, pengoptimuman, dan integrasi.
3. Matplotlib: Perpustakaan merancang digunakan untuk memvisualisasikan hasil simulasi kami.

Anda boleh memasang perpustakaan ini menggunakanPip:

Pip Pasang Numpy Scipy Matplotlib

Langkah - oleh - Pelaksanaan Langkah

Langkah 1: Tentukan parameter pengubah

Langkah pertama adalah untuk menentukan parameter pengubah padat. Parameter ini termasuk bilangan giliran dalam lilitan utama dan sekunder, kebolehtelapan magnet teras, kawasan silang - bahagian teras, dan kekerapan voltan input.

import numpy sebagai np # parameter transformer n1 = 100 # bilangan giliran dalam penggulungan utama n2 = 50 # bilangan giliran dalam penggulungan sekunder mu = 1.25663706212e - 6 # kebolehtelapan magnet ruang bebas (teras dianggap sebagai udara - (m) F = 50 # kekerapan voltan input (Hz) v1 = 220 # voltan input (v)

Langkah 2: Kirakan induktansi

Induktansi lilitan primer dan sekunder boleh dikira menggunakan formula untuk induktansi solenoid:

[L = \ frac {\ mu n^{2} a} {l}]

# Kirakan induktansi lilitan primer dan sekunder l1 = (mu * n1 ** 2 * a) / l l2 = (mu * n2 ** 2 * a) / l # hitung induktansi bersama m = (mu * n1 * n2 * a) / l

Langkah 3: Menjana isyarat voltan input

Kami akan menghasilkan isyarat voltan input sinusoidal menggunakan Numpy.

import matplotlib.pyplot sebagai plt # menjana vektor masa t = np.linspace (0, 0.1, 1000) # menjana isyarat voltan input v1 = v1 * np.sin (2 * np.pi * f * t)

Langkah 4: Kirakan arus dan voltan dalam belitan

Kita boleh menggunakan persamaan untuk pengubah untuk mengira arus dan voltan dalam belitan primer dan sekunder.

# Kirakan impedans omega utama dan sekunder omega = 2 * np.pi * f z1 = 1j * omega * l1 z2 = 1j * omega * l2 zm = 1j * omega * m # asume impedans pada sisi sekunder z_load = 10 + 0 Z1)) # Kirakan arus utama i1 = (v1 - zm * i2) / z1 # hitung voltan sekunder v2 = z_load * i2

Langkah 5: Bayangkan hasilnya

Kita boleh menggunakan matplotlib untuk menggambarkan voltan input, arus utama, dan voltan sekunder.

# Plot hasil plt.figure (figsize = (12, 8)) plt.subplot (3, 1, 1) plt.plot (t, v1, label = 'voltan input (v1)') plt.title ('simulasi pengubah') plt.ylabel ('voltan (v) plt.plot (t, np.real (i1), label = 'arus utama (i1)') plt.ylabel ('semasa (a)') plt.legend () plt.subplot (3, 1, 3) plt.plot (t, np.real (v2) plt.ylabel ('voltan (v)') plt.legend () plt.show ()

Pengoptimuman dan pertimbangan lanjutan

Pelaksanaan di atas adalah model mudah pengubah padat. Dalam senario dunia yang nyata, terdapat beberapa faktor yang perlu dipertimbangkan untuk pengoptimuman:

1. Kerugian teras: Inti magnet pengubah mengalami histeresis dan kerugian semasa eddy. Kerugian ini boleh dimodelkan menggunakan persamaan yang lebih kompleks dan dimasukkan ke dalam simulasi.
2. Induktansi kebocoran: Dalam amalan, tidak semua fluks magnet yang dihasilkan oleh pautan penggulungan utama dengan penggulungan sekunder. Ini mengakibatkan induktansi kebocoran, yang boleh menjejaskan prestasi pengubah.
3. Bukan linearity: Ciri -ciri magnet bahan teras mungkin menunjukkan tingkah laku linear, terutama pada medan magnet yang tinggi. Linearity ini boleh dimodelkan menggunakan teknik seperti model Preisach.

Hubungi untuk pembelian dan maklumat lanjut

Sekiranya anda berminat dengan kamiTransformer padatatau kamiTenaga baru bersepadu fotovoltaik kabin prefabrikasi mv & hv transformer pemotongan - peralatan pengedaran kelebihan, Kami mengalu -alukan anda untuk menghubungi kami untuk perbincangan perolehan. Pasukan pakar kami bersedia membantu anda dalam memilih pengubah padat yang tepat untuk keperluan khusus anda. Sama ada anda berada dalam sektor tenaga perindustrian, komersial, atau diperbaharui, kami mempunyai penyelesaian untuk memenuhi keperluan anda.

Rujukan

1. Chapman, SJ (2012). Asas Jentera Elektrik. McGraw - Hill.
2. Hayt, WH, & Kemmerly, JE (2001). Analisis litar kejuruteraan. McGraw - Hill.