Сетевые трансформаторы. Силовые трансформаторы: виды, характеристики и области применения

Какие бывают типы силовых трансформаторов. Чем отличаются масляные и сухие трансформаторы. Как выбрать оптимальный трансформатор для конкретных условий эксплуатации. Какие факторы влияют на эффективность и надежность работы силовых трансформаторов.

Основные виды силовых трансформаторов

Силовые трансформаторы являются ключевым элементом систем передачи и распределения электроэнергии. Они позволяют изменять напряжение переменного тока, обеспечивая эффективную передачу электроэнергии на большие расстояния и ее распределение конечным потребителям. Основные виды силовых трансформаторов:

• Масляные трансформаторы (ТМ, ТМГ)
• Сухие трансформаторы (ТС, ТСЗ)
• Трансформаторы с литой изоляцией (ТСГЛ)

Каждый тип имеет свои особенности конструкции, преимущества и недостатки, определяющие области их оптимального применения.

Масляные трансформаторы: особенности и применение

Масляные трансформаторы используют трансформаторное масло в качестве изолирующей и охлаждающей среды. Их основные характеристики:

• Высокая эффективность охлаждения
• Возможность работы при высоких нагрузках
• Большой срок службы (30-40 лет)
• Необходимость периодического обслуживания
• Пожароопасность

Масляные трансформаторы широко применяются в распределительных сетях, на подстанциях, в промышленности. Они оптимальны для наружной установки в различных климатических условиях.

Сухие трансформаторы: преимущества и ограничения

Сухие трансформаторы не содержат жидких диэлектриков. Их ключевые особенности:

• Экологическая безопасность
• Пожаробезопасность
• Минимальное обслуживание
• Возможность установки в помещениях
• Ограничения по мощности и напряжению
• Чувствительность к влажности и загрязнениям

Сухие трансформаторы оптимальны для установки внутри зданий, в том числе в жилых и общественных помещениях, где критичны вопросы пожарной безопасности.

Схемы соединения обмоток трансформаторов

Схема соединения обмоток существенно влияет на характеристики трансформатора. Основные варианты:

• Y/Yн — звезда/звезда с нулем
• D/Yн — треугольник/звезда с нулем
• Y/Zн — звезда/зигзаг с нулем

Выбор схемы определяется требованиями к симметрированию нагрузки, величине токов короткого замыкания, качеству напряжения при несимметричных режимах.

Как выбрать оптимальный трансформатор

При выборе трансформатора необходимо учитывать следующие факторы:

1. Требуемая мощность и напряжение
2. Условия эксплуатации (климат, загрязненность и т.д.)
3. Требования к пожаро- и экобезопасности
4. Характер нагрузки (постоянная, переменная)
5. Необходимость регулирования напряжения

Правильный выбор позволит обеспечить надежную и эффективную работу трансформатора в течение всего срока службы.

Эксплуатация и обслуживание силовых трансформаторов

Надежность работы трансформатора во многом определяется правильной эксплуатацией и своевременным обслуживанием. Основные мероприятия включают:

• Контроль нагрузки и температурного режима
• Проверка состояния изоляции
• Контроль уровня и качества масла (для масляных трансформаторов)
• Очистка от загрязнений
• Проверка контактных соединений

Регулярное обслуживание позволяет своевременно выявлять и устранять неисправности, продлевая срок службы трансформатора.

Современные тенденции в производстве трансформаторов

Развитие технологий позволяет постоянно улучшать характеристики трансформаторов. Основные направления совершенствования:

• Повышение энергоэффективности
• Снижение массогабаритных показателей
• Применение экологичных материалов
• Внедрение цифровых систем мониторинга
• Разработка «умных» трансформаторов для интеллектуальных сетей

Использование современных трансформаторов позволяет повысить надежность электроснабжения и снизить эксплуатационные затраты.

Заключение

Силовые трансформаторы остаются ключевым элементом систем передачи и распределения электроэнергии. Правильный выбор типа и характеристик трансформатора, а также его грамотная эксплуатация позволяют обеспечить надежное и эффективное электроснабжение потребителей. Развитие технологий открывает новые возможности для совершенствования трансформаторов, повышения их эффективности и расширения функциональности.

Тороидальные сетевые трансформаторы питания

---

Сетевые трансформаторы питания ТТН3 — ТТН30 предназначенные для работы в сетях переменного тока напряжением 220 в. Выпускаются с выходными напряжениями до 1200 в и токами до 4 А на одну обмотку. Имеют жесткую нагрузочную характеристику и малый перегрев. Трансформаторы разработаны для применения в приборостроении в качестве трансформаторов питания. За счет малых полей рассеивания (в 1,5-2 раза меньше чем у шихтованных) и перегрева могут без дополнительных средств защиты от электромагнитного излучения (магнитных экранов) применяться для питания измерительных схем, усилителей, преобразователей и т.д., в т.ч. размещаемых в малогабаритных корпусах с недостаточным вентилированием. Для подключения имеют гибкие вывода. Для повышения надежности все трансформаторы имеют вакуумную пропитку изоляционным лаком. Могут комплектоваться крепежными шайбами.

Для удобства обобщенные параметры трансформаторов представлены в табл. 1.

Наименование	Мощность, Вт	Ток. х.х.	Ток вых. обмотки	Габариты D*d*h	Фото
ТТН3	до 3		до 0.25 А	36×15х25
ТТН3 исп А (герметизированный)	до 3		до 0,25а	40х33х40
ТТН5	до 5		до 0,4 А	40х16×26
ТТН6 (низкопрофильный)	до 6.3		до 0.7 5А	44х18х22
ТТН7	до 7.5		до 1.2 А	46х16х25
ТТН10	до 11		до 1. 2 А
ТТН15	до 15		до 1.2 А	55х22х28
ТТН20	до 20		до 1.2 А	61х20х30
ТТН30	до 30		до 4 А	70х30х30

Трансформаторы изготавливаются в соответствии с техническими требованиями ЮНШИ.671221.002 ТТ.

Трансформаторы ТТН3… ТТН30 выпускаются с любыми напряжениями и токами. При заказе просьба конкретизировать ток и напряжение по каждой обмотке и не ссылаться на мощность. Напряжения и токи могут быть нестандартные (не по ГОСТ). Расчеты и согласование характеристик выполняются по уникальной методике

бесплатно. Цена за изделие рассчитывается исходя из трудоемкости изготовления и текущих цен на материалы. Существует система скидок от объема заказа.

На предприятии действует уникальная автоматизированная система управления производством, поэтому однажды заказав у нас трансформатор, техкарта его изготовления закрепляется исключительно за Вами, благодаря чему обеспечивается 100% повторяемость изготовления в последующих заказах.

Средний срок изготовления трансформаторов — 5…12 рабочих дней (зависит от текущей загрузки производства, межоперационных заделов и нахождения аналогов на маршруте). Заявки на существенные объемы просьба подавать заранее.

До момента выставления счета на оплату Заказчику предоставляются на согласование расчетные технические характеристики трансформатора: номинальное напряжение, номинальный ток, напряжение х.х. для каждой обмотки, перегрев трансформатора на номинальной нагрузке, расчетные габариты. Все трансформаторы изготавливаются с запасом по входному напряжению и обеспечивают безаварийную работу в условиях Российских электросетей.

Имейте в виду

Использование тороидальных трансформаторов экономит до 30-40 % объёма по сравнению с традиционными трансформаторами, позволяет использовать низкопрофильные корпуса и большую плотность монтажа.

В тороидальных трансформаторах магнитный поток проходит в том же направлении, в каком ориентированы домены стали сердечника и отсутствуют потери в зазорах между пластинами, это позволяет существенно снизить потери в трансформаторах как при холостом ходе, так и при его полной нагрузке, что обеспечивает превосходные температурные характеристики и жесткую нагрузочную кривую тороидального трансформатора. Устали отводить тепло от трансформаторов на шихтованном магнитопроводе и слушать его гудение — устанавливайте тороидальный и забудьте от этих проблемах. Несмотря на то, что торы немного дороже — плюсов гораздо больше, ведь окупаемость применения тороидальных трансформаторов за счёт высокого КПД составляет всего-то пару лет. При нынешних ценах на энергоносители приходится учитывать каждый потребляемый ватт мощности, а применение тороидальных трансформаторов дает в этом существенное преимущество.

Существующая мода на импульсные источники питания не помеха для применения маломощных тороидальных трансформаторов — если посмотреть КПД импульсников, цену и средний срок их жизни до ремонта (не более 3-5 лет для входных высоковольтных конденсаторов) — в диапазоне от 3 до 30 Вт альтернативы тороидальным трансформаторам нет ни по цене, ни по надежности. Про уровень электромагнитных помех вообще промолчим. На большие мощности ситуация немного другая — большой вес и цена зачеркивает преимущества и потребитель вынужден мириться с недостатками импульсных источников. Если посмотреть статистику выхода из строя маломощных импульсных блоков питания на Российских электросетях, основные причины — раздулся 400в входной конденсатор (высох на высокой температуре или пристукнуло скачком входного напряжения) или прогорел силовой транзистор (обычно за счет провала входного напряжения). В случае с торами скачки напряжения ему не вредят. Посудите сами — при существенном скачке напряжения трансформатор уходит в насыщение и не пропускает этот импульс в нагрузку. За счет того, что трансформатор имеет большую теплоемкость — токи первички разогревают маломощный трансформатор не настолько быстро, чтобы трансформатор успел перегреться до срабатывания сетевого плавкого предохранителя. Кроме того, всегда можно поставить дополнительную защиту — термопредохранитель на трансформатор, тогда ему не страшна даже длительная работа в неблагоприятных условиях.

Любой трансформатор спокойно относится к нагреву до 120-130 °C, так что термопредохранитель на 90 или 110 °C — эффективная защита трансформатора от перегрева и выхода из строя.

Силовые трансформаторы 10(6)/0,4 кв области применения разных схем соединения обмоток |

Отсутствие у изготовителей и заказчиков определенного представления принципиальных отличий свойств силовых трансформаторов с малой мощностью и разными схемами соединения обмоток ведет к их неправильному использованию. При этом некорректный выбор схемы соединения обмоток ухудшает технические показатели электрических установок и понижает качество электроэнергии, а также приводит к возникновению серьезных аварий.

Отсутствие у изготовителей и заказчиков определенного представления принципиальных отличий свойств силовых трансформаторов с малой мощностью и разными схемами соединения обмоток ведет к их неправильному использованию. При этом некорректный выбор схемы соединения обмоток ухудшает технические показатели электрических установок и понижает качество электроэнергии, а также приводит к возникновению серьезных аварий.

Это отмечают проектировщики из Нижнего Новгорода Алевтина Ивановна Федоровская и Владимир Семенович Фишман. Они в своем материале делают акцент на разнице в реакции трансформаторов на несимметричные токи, которые содержат составляющую нулевой последовательности.

Схемы соединения обмоток и свойства трансформаторов

В соответствии с ГОСТ 11677-85 [1] силовые трансформаторы 10(6)/0,4 кВ мощностью от 25 до 250 кВА могут изготавливать с такими схемами соединения обмоток:

• «звезда/звезда» – Y/Yн;
• «треугольник–звезда» – D/Yн;
• «звезда–зигзаг» – Y/Zн.

Ключевое отличие технических характеристик трансформаторов с разными схемами соединений обмоток — различная реакция на несимметричные токи, которые содержат составляющую нулевой последовательности. В основном это однофазные сквозные короткие замыкания и рабочие режимы с неравномерной загрузкой фаз.

Известно, что силовые трансформаторы 6(10)/0,4 кВ имеют трехстержневой стальной сердечник, с расположенными там первичной и вторичной обмотки фазы А, В и С. Магнитные потоки трех фаз в симметричных режимах циркулируют в сердечнике трансформатора и не выходят за его пределы.

Что происходит во время нарушения симметрии с преимуществом нагрузки одной фазы на стороне 0,4 кВ? Подобные режимы работы исследуются с применением теории симметричных составляющих [2]. По ней каждый несимметричный режим работы трехфазной сети представлен как геометрическая сумма 3 симметричных составляющих тока и напряжения: составляющие прямой, нулевой и обратной последовательностей.

Максимальная однофазная несимметрия достигается в режиме однофазного короткого замыкания на стороне 0,4 кВ трансформатора со схемой соединения обмоток D/Yн.

Картина токов симметричных составляющих в обмотках в таком режиме показана на рис. 1. В неповрежденных фазах на стороне 0,4 кВ геометрическая сумма трех симметричных составляющих тока приравнена нулю (не учитываем рабочую нагрузку фаз). В поврежденной фазе она достигает максимума и равняется току ОКЗ. Определяется она по формуле:

где U_л – линейное напряжение;

R₁, R₀, X₁, Х₀ – соответственно активные и реактивные сопротивления прямой и нулевой последовательности.

Сопротивления прямой последовательности

Сопротивления прямой последовательности R₁ и X₁ трансформаторов с разными схемами соединения обмоток определяются теми же формулами и имеют несущественные различия:

В каталогах видно, что известные величины в этих формулах Р_кз и U_к почти не зависят от схем соединения обмоток трансформатора, а значит, не влияют на сопротивление прямой последовательности. Сопротивления же нулевой последовательности трансформаторов с различными схемами соединения обмоток имеют принципиальные отличия.

Сопротивления нулевой последовательностивекторов токов и магнитных потоков в трансформаторе со схемой соединения обмоток D/Yн (рис. 2). 

В таких трансформаторах токи прямой, обратной и нулевой последовательностей текут и в первичной, и во вторичной обмотках. В то время как токи нулевой последовательности в первичной обмотке замыкаются внутри нее, не выходя при этом в сеть. Намагничивающие силы или ампер-витки, которые создают токи нулевой последовательности первичных и вторичных обмоток, имеют встречное направление и практически полностью компенсируют друг друга, обуславливая тем самым небольшую величину реактивных сопротивлений трансформатора. А сопротивления прямой и нулевой последовательностей приблизительно равны: R₁ = R₀; Х₁ = Х₀. 
В трансформаторах со схемой соединения обмоток Y/Zн в аналогичном режиме ОКЗ токи нулевой последовательности протекают лишь по вторичной обмотке трансформатора, однако магнитного потока нулевой последовательности они не создают, что объясняется особенностью схемы Zн – «зигзаг».  
Эта особенность состоит в том, что на каждом стержне трансформатора расположено по одной вторичной полуобмотке двух разных фаз (рис. 3). В режиме ОКЗ намагничивающие силы, создаваемые токами нулевой последовательности в этих полуобмотках, направлены встречно и друг друга взаимно компенсируют. При этом токи нулевой последовательности в первичной обмотке отсутствуют. В таких трансформаторах сопротивления нулевой последовательности оказываются меньше сопротивлений прямой последовательности: R₀ < R₁; Х₀ < Х₁.

Рис. 1. Токи симметричных составляющих в обмотках трансформатора в режиме однофазного короткого замыкания

I_A21, I_A22, I_A20, I_B21, I_B22, I_B20, I_C21, I_C22, I_C20 – токи фаз А, В, С прямой, обратной и нулевой последовательностей вторичной обмотки;
I_A11, I_A12, I_A10, I_B11, I_B12, I_B10, I_C11, I_C12, I_C10 – токи фаз А, В, С прямой, обратной и нулевой последовательностей первичной обмотки.

Рис. 2. Направления токов и магнитных потоков нулевой последовательности в трансформаторе со схемой соединения обмоток D/Yн

Рис. 3. Направления токов и магнитных потоков нулевой последовательности в трансформаторе со схемой соединения обмоток Y/Zн 

 

Из формулы (1) следует, что это обеспечивает большую величину тока ОКЗ у трансформаторов со схемами Y/Zн по сравнению с трансформаторами со схемами D/Yн. 

Альтернативой трансформаторам со схемой Y/Z являются трансформаторы ТМГсу со схемой Y/Yn-0 со специальной встроенной симметрирующей обмоткой (СУ). Устройство было разработано кафедрой электроснабжения сельского хозяйства БАТУ, УП МЭТЗ им. В.И. Козлова и Минскэнерго, и теперь является неотъемлемой частью трансформатора со схемой У/Ун.

Симметрирующее устройство представляет собой отдельную обмотку, уложенную в виде бандажа поверх обмоток высшего напряжения трансформатора со схемой соединения обмоток У/Ун. Обмотка симметрирующего устройства рассчитана на длительное по ней протекание номинального тока трансформатора, т.е. на полную номинальную однофазную нагрузку.

Обмотка симметрирующего устройства включена в рассечку нулевого провода трансформатора из расчета того, что при несимметричной нагрузке и появлении тока в нулевом проводе трансформатора, а также связанного с ним потока нулевой последовательности, поток, создаваемый симметрирующим устройством равный по величине и направленный в противоположном направлении, компенсирует действие потока нулевой последовательности, предотвращая этим самым перекос фазных напряжений.

Схема подсоединения обмотки симметрирующего устройства (СУ) к обмоткам НН: 

 

Трансформаторы с СУ улучшают работу защиты, повышают безопасность электрической сети. В них резко снижено разрушающее воздействие на обмотки токов при однофазных коротких замыканиях.

СУ значительно улучшает синусоидальность напряжения при наличии в сети нелинейных нагрузок, что крайне важно при питании многих чувствительных приборов, например, эвм, автоматики, телевизоров.

Трансформаторы ТМГ с симметрирующим устройством ТМГсу.

Теперь обратимся к трансформаторам со схемой соединения обмоток Y/Yн. Как известно, в обмотках, соединенных в звезду без выведенной нулевой точки, токи нулевой последовательности протекать не могут. Поэтому в режиме ОКЗ токи этой последовательности протекают только во вторичной обмотке трансформатора. 

Совпадающие по фазе магнитные потоки нулевой последовательности, создаваемые токами вторичной обмотки, выходят за пределы магнитного сердечника и замыкаются через металлический кожух трансформатора (рис. 4). Это определяет значительно большую величину сопротивлений нулевой последовательности таких трансформаторов: R₀ >> R₁; X₀ >> X₁.

Рис. 4. Направления токов и магнитных потоков нулевой последовательности в трансформаторе со схемой соединения обмоток Y/Yн

Следует отметить, что в отличие от сопротивлений прямой последовательности трансформаторов, которые можно рассчитать, сопротивления нулевой последовательности трансформаторов со схемами соединения обмоток Y/Yн расчету не поддаются. Их можно определить только экспериментально. Величина этих сопротивлений во многом зависит от конструкции кожуха трансформатора, от величины зазоров между сердечником и кожухом и т.п. 

Схема замера сопротивлений нулевой последовательности приведена в ГОСТ 3484.1-88 [3]. К сожалению, в этом документе указано, что такие замеры предприятия-производители проводят по просьбе заказчиков. Вероятно, в последние годы таких просьб от заказчиков не поступает, а изготовители эти замеры самостоятельно не производят, считая, что в них нет необходимости. В результате проектировщики при выполнении расчетов пользуются старыми справочными данными. Однако использовать устаревшую информацию надо чрезвычайно осторожно, ведь конструкции современных силовых трансформаторов, в частности кожухов, а также материалы, из которых они изготовлены, существенно изменились. 

Кроме того, имеющиеся на сегодня данные по сопротивлениям нулевой последовательности трансформаторов крайне скудны и противоречивы. Так, согласно замерам УП МЭТЗ им. В.И. Козлова, выполненным много лет назад, реактивные сопротивления нулевой последовательности трансформаторов со схемами соединения обмоток Y/Yн превышают сопротивления прямой последовательности в среднем в 10 раз. В то же время в ГОСТ 3484.1-88 имеется фраза о том, что эти сопротивления могут отличаться на два порядка. И этим сегодня противоречия не исчерпываются[4].

Почему необходимо знать реальные значения сопротивлений?

Реальные значения сопротивлений нулевой последовательности знать необходимо, поскольку они определяют величину тока ОКЗ. Чем больше эти сопротивления, тем меньше ток ОКЗ, соответственно труднее осуществить защиту трансформатора. 
В нормальных режимах работы большие сопротивления нулевой последовательности при неравномерной загрузке фаз трансформатора на стороне 0,4 кВ приводят к ухудшению качества электроэнергии у потребителя. 
Так, если принять R₁ = R₀, X₁ = X₀, что характерно для трансформаторов со схемами соединения обмоток D/Yн, то получим:

Таким образом, при этих условиях ток ОКЗ на выводах 0,4 кВ трансформатора будет равен току трехфазного КЗ.
Однако, если R₀>>R₁ и X₀>>X₁, что характерно для трансформаторов со схемами соединения обмоток Y/Yн, то величина тока ОКЗ оказывается значительно меньше тока трехфазного КЗ, то есть I_окз << I_3фкз. Какие при этом могут возникнуть трудности с защитой, особенно если она выполнена со стороны обмотки ВН предохранителями 6(10) кВ, можно показать на конкретном примере.
На рис. 5 изображена схема подключения трансформатора 100 кВА, 6/0,4 кВ питания собственных нужд (ТСН) ПС 110/35/6 кВ. На ПС с переменным оперативным током такие трансформаторы устанавливаются на ОРУ и подключаются к воздушному вводу, идущему от силового трансформатора к вводной ячейке ЗРУ-6(10) кВ. Защита трансформатора, включая кабель 0,4 кВ до щита 0,4 кВ, выполняется предохранителями 6 кВ. Токи КЗ в конце защищаемой предохранителями зоны – при вводе на щит 0,4 кВ приведены в табл. 1. Как из нее видно, минимальное значение тока КЗ через предохранители 6 кВ имеет место при однофазном замыкании на стороне 0,4 кВ.

Таблица 1. Токи короткого замыкания в конце защищаемой предохранителями зоны за трансформатором 100 кВА, 6/0,4 кВ, D/Yн при вводе на щит 0,4 кВ

Рис. 5. Схема подключения трансформатора 100 кВА, 6/0,4 кВ для питания собственных нужд ПС 110/35/6 кВ

Согласно существующим рекомендациям по условиям отстройки от броска тока намагничивания трансформатора мощностью 100 кВА номинальный ток предохранителей принимается равным I_{н. пр} = (2 ÷ 3) I_н.тр. В данном случае I_н.пр 2 ·10 А 20. Принимаем I_н.пр = 20 А.

Минимальный отключаемый ток предохранителем типа ПКТ-6 кВ, 20 А согласно каталожным данным составляет I_{мин.откл.пр} = 240 А, что значительно больше токов КЗ, приведенных в табл. 1.
Таким образом, защита предохранителями типа ПКТ 6 кВ оказывается нечувствительной. Более того, при протекании тока КЗ ниже минимально отключаемого, предохранитель не только не защищает оборудование, но и разрушается сам, вызывая аварию.
В качестве защитного аппарата можно рассмотреть возможность использования предохранителей зарубежных фирм, например марки Merlin Gerin. Номинальный ток предохранителя специалисты компании рекомендуют выбирать из условия I_{пр. 0,1с} 12 I_ном.тр.Пользуясь времятоковой зависимостью, приведенной в [5], определяем, что этому условию удовлетворяет предохранитель Fusarc c номинальным током 20 А, минимальный ток отключения которого равен 55 А. Казалось бы, этот предохранитель надежно защищает электрооборудование, т.к. минимально отключаемый им ток меньше минимального тока КЗ: 62 А 55 А. Однако время отключения данным предохранителем тока КЗ, равного 62 А, составляет 7 с. При таком длительном времени необходимо учитывать эффект спада тока, вызванный увеличением активного сопротивления кабеля вследствие его нагрева [6]. В результате спада тока его значение приближается к минимальному току отключения предохранителя –55 А, что делает защиту ненадежной.
Улучшить надежность защиты можно путем применения силового трансформатора 6/0,4 кВ со схемой соединения обмоток Y/Zн. В этом случае минимальный ток короткого замыкания через предохранители увеличивается до 80 А, а время его отключения предохранителем сокращается до 0,6 с и защита становится достаточно надежной.
Если же в рассмотренном примере будет применен трансформатор со схемой соединения обмоток Y/Yн, то минимальный ток КЗ через предохранители составит лишь 22 А. Очевидно, что защитить электрооборудование предохранителями 6 кВ при таком токе невозможно. Недостатки трансформаторов со схемой соединения обмоток Y/Yн проявляются и в нормальных режимах работы при неравномерной загрузке фаз. Потери напряжения в более загруженной фазе могут резко возрасти по сравнению с менее за-груженными фазами, особенно при большой загрузке трансформатора и низком cos j нагрузки.
Однако означает ли всё вышесказанное, что трансформаторы со схемой соединения обмоток Y/Yн не должны изготавливаться вообще? Представляется, что это не так. Не всегда большая величина сопротивления нулевой последовательности трансформатора является недостатком. Например, при применении трансформаторов более 1000 кВА может возникнуть проблема устойчивости однофазной коммутационной аппаратуры 0,4 кВ к току ОКЗ. В этом случае большая величина сопротивления нулевой последовательности трансформатора со схемой Y/Yн поможет решить эту проблему.
Что же касается защиты таких трансформаторов, то она решается с помощью релейной защиты и выключателя 6(10) кВ, а с низкой стороны – с помощью вводного автомата.

Выводы

Для трансформаторов малой мощности (от 25 до 250 кВА), защищаемых предохранителями со стороны ВН, безусловное преимущество имеет схема соединения обмоток Y/Zн. Несколько меньший эффект дает схема D/Yн. Схему Y/Yн для таких трансформаторов применять не следует.
Схема соединения обмоток трансформаторов Y/Yн может применяться в сравнительно редких случаях для более мощных трансформаторов при необходимости ограничения тока однофазного КЗ с целью повышения устойчивости коммутационной аппаратуры.
Предприятиям-изготовителям силовых трансформаторов следует в обязательном порядке производить замеры их сопротивлений нулевой последовательности.

ЛИТЕРАТУРА

1. ГОСТ 11677-85. Трансформаторы силовые. Общие технические условия.
2. Ульянов С. А. Короткие замыкания в электрических системах. – М.: Госэнергоиздат, 1952. – 280 с.
3. ГОСТ 3484.1-88 (СТ СЭВ 1070-78). Трансформаторы силовые. Методы электромагнитных испытаний
4. Справочник по проектированию электроснабжения, линий электропередачи и сетей / Под ред. Большама Я.М., Круповича В.И., Самовера М.Л. и др. – М.: Энергия, 1975. – 696 с.
5. Каталог на предохранители Fusarc Merlin Gerin (стандарт DIN).
6. ГОСТ 28249-93. Короткие замыкания в электроустановках. Методы расчета в электроустановках переменного тока напряжением до 1 кВ.

_________________________________________________________________________________

Компания ООО Энетра Текнолоджиз на правах дилера ОАО МЭТЗ им. В. И. Козлова осуществляет продажу трансформаторов средней мощности. В нашем каталоге вы найдете сухие трансформаторы ТС, ТСЗ и ТСГЛ, масляные трансформаторы ТМ и ТМГ, а также специализированные трансформаторы различного назначения. Мы рады доставить выбранные вами трансформаторы по всей Сибири и СФО. Доставка трансформаторов осуществляется нами не только по СФО, но и по Дальнему Востоку.

Вернуться обратно

ОПУБЛИКОВАТЬ В СОЦ.СЕТЯХ

Силовые трансформаторы ВЛ Комплекс

1. Трехфазные масляные трансформаторы ТМГ мощностью 16-1600 кВА

Трехфазные масляные трансформаторы ТМГ изготавливаются в герметичном исполнении, (их внутренний объем не имеет сообщения с окружающей средой). Трансформаторы полностью заполнены трансформаторным маслом. Расширитель и воздушная или газовая «подушка» у этих трансформаторов отсутствуют. Благодаря этому масло своих свойств практически не меняет в течение всего срока службы трансформаторов, поэтому производить отбор пробы масла не требуется. Трансформаторы ТМГ практически не требуют расходов на предпусковые работы и на обслуживание в эксплуатации, не нуждаются в профилактических ремонтах и ревизиях в течение всего срока эксплуатации. Для контроля полноты заполнения бака маслом трансформаторы ТМГ снабжаются поплавковым маслоуказателем, расположенным на крышке.

Гофрированные баки трансформаторов обеспечивают необходимую поверхность охлаждения без применения съемных охладителей, что значительно увеличивает надежность трансформаторов. Перед запуском в серийное производство гофрированные баки подвергаются механическим испытаниям на цикличность для подтверждения их ресурса работы на расчетный срок службы трансформатора — 25 лет.

Трансформаторы ТМГ имеют повышенную электрическую прочность изоляции вследствие применения при их заливке маслом глубокого вакуума, который полностью обеспечивает удаление воздуха из обмоток и изоляционных деталей активной части. Магнитопроводы трансформаторов изготавливаются из пластин, получаемых на линии раскроя электротехнической стали «Georg» (Германия). Это современное технологическое оборудование позволяет производить шихтовку магнитопроводов с косым стыком пластин по так называемой схеме «СТЭП-ЛЭП», что резко повышает качество изготовления магнитопроводов.

2. Трехфазные масляные трансформаторы ТМГСУ мощностью 25 — 250 кВА

Трехфазные масляные трансформаторы ТМГСУ мощностью 25 – 250 кВА для четырехпроводных сетей 0,38 кВ с однофазной или смешанной нагрузкой со схемой соединения обмоток у/ун и специальным симметрирующим устройством (СУ)мощностью 25 – 250 кВА для четырехпроводных сетей 0,38 кВ с однофазной или смешанной нагрузкой со схемой соединения обмоток у/ун и специальным симметрирующим устройством (СУ).

В четырехпроводных электрических сетях 0,38 кВ России и других стран СНГ в основном используются трансформаторы со схемой соединения обмоток «звезда-звезда-нуль» (У/Ун). Однако, эти самые дешевые в изготовлении трансформаторы в эксплуатации экономичны лишь при симметричной нагрузке фаз. Реально в сетях с большим удельным весом однофазных нагрузок равномерность их подключения во времени пофазно нарушается и потери электрической энергии в таких трансформаторах резко возрастают. Этот рост обусловлен появлением потоков нулевой последовательности в магнитных системах таких трансформаторов, создаваемых токами небаланса, протекающими в нулевом проводе сети. Неизбежным последствием неравномерности нагрузки фаз в сетях с трансформаторами У/Ун является резкое искажение системы фазных напряжений, которое, зачастую, значительно превышает нормы ГОСТ на качество электроэнергии. При этом вполне естественно повышение потерь электроэнергии и в токоприемниках, отказы в работе ( в том числе у бытовой техники.

Для устранения указанных недостатков разработано специальное новое симметрирующее устройство (СУ), которое встраивается в трансформатор со схемой У/Ун. Симметрирующее устройство представляет собой отдельную обмотку, уложенную в виде бандажа поверх обмоток высшего напряжения трансформатора со схемой соединения обмоток У/Ун и рассчитана на длительное по ней протекание номинального тока трансформатора.

Обмотка симметрирующего устройства включена в рассечку нулевого провода трансформатора из расчета того, что при несимметричной нагрузке и появлении тока в нулевом проводе, а также связанного с ним потока нулевой последовательности, поток создаваемый симметрирующим устройством равный по величине и направленный в противоположном направлении, компенсирует действие потока нулевой последовательности, предотвращая этим самым перекос фазных напряжений.

СУ позволяет ликвидировать явление перегрева трансформатора потоками нулевой последовательности при неравномерной нагрузке фаз даже при суммарной мощности равной или ниже номинальной. Трансформаторы с су улучшают работу защиты, повышают безопасность электрической сети. В них резко снижено разрушающее воздействие на обмотки токов при однофазных коротких замыканиях. СУ значительно улучшает синусоидальность напряжения при наличии в сети нелинейных нагрузок, что крайне важно при питании многих чувствительных приборов, например, эвм, автоматики, телевизоров. СУ снимает повышенный шум у трансформаторов у/ун при их неравномерной нагрузке по фазам, что важно при установке их в тп, встроенных в жилые здания. Вместе с тем, симметрирование системы фазных напряжений при неравномерной нагрузке фаз (так же как и при использовании трансформаторов у/zн), обеспечивает токоприемники качественным напряжением, что в свою очередь, значительно сокращает выход из строя и продлевает срок службы электрических машин, ламп освещения, схем автоматики, электрооборудования многих бытовых приборов (см. таблицу).

Трансформаторы с симметрирующим устройством мощностью от 63 до 250 кВА разработаны и выпускаются в герметичном исполнении (типа ТМГ), что позволит снизить непроизводственные расходы в течение всего срока эксплуатации трансформатора, в зависимости от его мощности, на 40 – 63 % его полной стоимости.(за счет сокращения объемов регламентных работ)

3. Трехфазные масляные трансформаторы ТМГМШ мощностью 25 1000 кВА

Трехфазные масляные трансформаторы ТМГМШ класса напряжения 10 кВ мощностью от 25 до 1000 кВА со сниженным уровнем холостого хода, с оптимальным сочетанием уровней потерь холостого хода и короткого замыкания.

Трансформаторы ТМГМШ предназначены для потребителей с повышенными требованиями к уровню шума и могут устанавливаться в подстанциях, встроенных в жилые дома, больницы, общественные здания и других местах с особыми требованиями по экологии. Кроме улучшенных шумовых характеристик, трансформаторы ТМГМШ являются энергосберегающими, так как у них сниженные, по сравнению с трансформаторами ТМГ, потери холостого хода.

4. Трехфазные масляные трансформаторы ТМПН, ТМПНГ первичным напряжением 0.38 кВ. и первичным напряжением 6 (10) кВ.

Трехфазные масляные трансформаторы ТМПН, ТМПНГ предназначена для питания погружных электродвигателей добычи нефти (ПЭД). Отличительной особенностью трансформаторов ТМПН, ТМПНГ от других типов трансформаторов является, то, что они имеют широкий диапазон (до 36 ступеней) регулирования выходного напряжения и специфическую внешнюю характеристику.

Трансформаторы могут эксплуатироваться как отдельно стоящие, так и в составе комплектных тр-рных подстанций (КТППН) в условиях как умеренного, так и холодного климата.

Трансформаторы предусматривают кабельный ввод и вывод напряжения, обеспечивают надежное подключение кабелей без необходимости напаивания наконечников на их токоведущие жилы. Токоведущие выводы трансформаторов защищены кожухом. Для удобства перемещения в условиях эксплуатации трансформаторы мощностью 63, 100, 160 кВА класса напряжения до 3 кВ снабжены салазками.

5. Трехфазные масляные трансформаторы ТМЭГ, ТМБГ

Трехфазные масляные трансформаторы ТМЭГ, ТМБГ герметичного исполнения предназначены для преобразования электроэнергии в составе электрооборудования соответственно экскаваторов и буровых установок.

Трансформаторы допускают работу в условиях тряски, вибрации, воздействия инерционных сил при разгоне и торможении поворотной платформы, в условиях крена и дифферента до 12 градусов.

6. Однофазные масляные трансформаторы ОМ, ОМП, ОМГ

Однофазные масляные трансформаторы ОМ, ОМП, ОМГ предназначены для преобразования электроэнергии в сетях энергосистем, питания аппаратуры сигнализации и автоблокировки железных дорог, питания других однофазных потребителей электроэнергии.

Регулирование напряжения трансформаторов осуществляется без возбуждения трансформаторов (ПБВ) переключением ответвлений обмоток. Схема и группа соединения обмоток 1/1-0. Номинальная частота 50 Гц.

7. Трехфазные масляные трансформаторы ТМТО

Трехфазный масляный трансформатор ТМТО-80/0,38-У1 предназначен для преобразования электроэнергии в составе устройств термической обработки бетона и грунта, питания ручного инструмента и временного освещения.

8. Трехфазные сухие трансформаторы ТС, ТСЗ класса напряжения 10 кВ, с изоляцией «Номекс»

Трехфазные сухие трансформаторы ТС (без кожуха), ТСЗ (с кожухом) с изоляцией «Номекс» напряжением до 10 кВ предназначены для преобразования электроэнергии у потребителей переменного тока, с номинальной частотой 50 Гц. Номинальное напряжение ВН — 6 или 10 кВ, обмотки НН — 0,4 кВ.

Трансформаторы предназначены для установки в промышленных помещениях и общественных зданиях, к которым предъявляются повышенные требования в части пожаробезопасности и экологической чистоты.

9. Трехфазные сухие трансформаторы ТС, ТСЗ класса напряжения 0,66 кВ

Трехфазные сухие трансформаторы ТС (без кожуха), ТСЗ (с кожухом) напряжением класса напряжения 0,66 кВ предназначены для преобразования электроэнергии у потребителей в условиях умеренно-холодного климата в помещениях с искусственно регулируемыми климатическими условиями.

10. Трехфазные сухие трансформаторы с геафоливой литой изоляцией ТСГЛ, ТСЗГЛ, ТСЗГЛФ мощностью 100 — 2500 кВА.

Трехфазные сухие трансформаторы с геафолиевой литой изоляцией обмоток без кожуха ТСГЛ, с кожухом ТСЗГЛ и ТСЗГЛФ (с вводами ВН выведенными на фланец, расположенный на торцевой поверхности кожуха), мощностью 100 – 2500 кВА, класса напряжения 10 кВ предназначены для понижения напряжения в сетях энергосистем и потребителей электроэнергии.

Трансформаторы относятся к важнейшим достижениям трансформаторостроения. В этих трансформаторах для изоляции обмоток используется эпоксидный компаунд с кварцевым наполнителем (геафоль), дополнительно обмотки усилены стеклотканью, что исключает возникновение трещин в эпоксидном компаунде даже при перегрузке трансформаторов. Этот материал не оказывает вредного влияния на окружающую среду, не выделяет никаких токсичных газов даже при воздействии дуговых разрядов. Благодаря такой изоляции обмотки не требуют технического обслуживания. Они влагостойкие, пожаробезопасные.

Трансформаторы серии ТСГЛ, ТСЗГЛ, ТСЗГЛФ имеют ряд преимуществ перед другими сухими трансформаторами:

• Могут работать в сетях, подверженных грозовым и коммутационным перенапряжениям;
• Имеют сниженный уровень шума;
• Имеют высокую стойкость к механическим усилиям, возникающим в режиме короткого замыкания;
• Обеспечивается полная экологическая и пожарная безопасность.

Благодаря таким свойствам трансформаторы типа ТСГЛ, ТСЗГЛ, ТЗСГЛФ могут устанавливаться в местах, требующих повышенной безопасности (метро, шахтах, кинотеатрах, жилых и общественных зданиях), в местах с повышенными требованиями к охране окружающей среды (водозаборных станциях, спортивных сооружениях, курортных зонах), на промышленных предприятиях, металлургических комбинатах, химических производствах и т.д.

Для защиты от перегрева трансформаторы по заказу комплектуются устройством тепловой защиты, управляемым термисторами, встроенными в обмотки.

Версия для печати

Нейронные сети-трансформеры: пошаговое описание

Нейронная сеть-трансформер представляет собой новую архитектуру, предназначенную для решения последовательных задач при одновременном легком управлении долговременными зависимостями. Впервые это было предложено в статье «Внимание — это все, что вам нужно», и теперь это современная техника в области НЛП.

Прежде чем перейти к трансформаторной сети, я объясню, почему мы ее используем и откуда она взялась. Итак, история начинается с RNN, что означает рекуррентные нейронные сети.

Что такое нейронная сеть трансформатора?

Нейронная сеть-трансформер представляет собой новую архитектуру, предназначенную для решения последовательных задач, с легкостью обрабатывая долгосрочные зависимости. Впервые это было предложено в статье «Внимание — это все, что вам нужно». и в настоящее время является передовой техникой в ​​области НЛП.

Подробнее об искусственном интеллектеЧто такое глубокое обучение и как оно работает?

 

RNN

Что такое RNN? Чем она отличается от простой искусственной нейронной сети (ИНС)? В чем основная разница?

RNN — это нейронные сети с прямой связью, развертываемые с течением времени.

Источник: Блог Колаха

В отличие от обычных нейронных сетей, RNN предназначены для получения серии входных данных без заранее определенного ограничения на размер. Термин «серия» здесь означает, что каждый вход этой последовательности имеет некоторую связь со своими соседями или оказывает на них некоторое влияние.

Архитектура RNN. | Источник: Блог Колаха

Базовые сети прямой связи тоже «помнят» что-то, но они помнят то, чему научились во время обучения. Хотя RNN учатся аналогичным образом во время обучения, они также запоминают то, что узнали из предыдущих входных данных, при создании выходных данных.

Изображение, иллюстрирующее долгосрочные зависимости. | Источник: Блог Колы

RNN можно использовать в нескольких типах моделей.

1. Модели векторной последовательности — Берут векторы фиксированного размера в качестве входных и выходных векторов любого размера. Например, в подписи к изображению изображение является входом, а выход описывает изображение.

2. Модель вектора последовательности — Возьмите вектор любого размера и выведите вектор фиксированного размера. Например, анализ тональности фильма оценивает рецензию на любой фильм, положительную или отрицательную, как вектор фиксированного размера.

3. Модель «последовательность за последовательностью» — Самый популярный и наиболее часто используемый вариант, который принимает последовательность в качестве входных данных и выводит другую последовательность с вариантными размерами. Примером этого является языковой перевод данных временных рядов для прогнозирования фондового рынка.

Однако RNN имеет два основных недостатка:

1. Медленно обучается.
2. Длинные последовательности приводят к исчезающему градиенту или проблеме долговременных зависимостей. Проще говоря, его память не так сильна, когда дело доходит до воспоминаний о старых связях.

Например, в предложении «Облака в ____». следующим словом, очевидно, должно быть небо, так как оно связано с облаками. Если расстояние между облаками и предсказанным словом короткое, RNN может легко его предсказать.

Рассмотрим, однако, другой пример: «Я вырос в Германии с моими родителями, я провел там много лет и хорошо знаю их культуру. Вот почему я бегло говорю ____».

Здесь предсказанное слово — немецкое, что напрямую связано с Германией. Однако в этом случае расстояние между Германией и предсказанным словом больше, поэтому RNN трудно предсказать.

Так что, к сожалению, по мере того, как этот разрыв увеличивается, RNN становятся неспособными к соединению, поскольку их память стирается с расстоянием.

 

Долгая кратковременная память

Источник: блог Колаха

Долгая кратковременная память — это особый вид RNN, специально созданный для решения задач исчезающего градиента. Они способны изучать долгосрочные зависимости. Фактически, запоминание информации в течение длительного периода времени является практически их поведением по умолчанию, а не тем, чему они изо всех сил пытаются научиться!

Эта ветвь позволяет передавать информацию, чтобы пропустить длительную обработку клеткой. | Источник: Блог Колы

Нейроны LSTM, в отличие от обычной версии, имеют ветвь, которая позволяет передавать информацию, чтобы пропустить долгую обработку текущей ячейки. Эта ветвь позволяет сети сохранять память в течение более длительного периода времени. Это решает проблему исчезающего градиента, но не очень хорошо: он будет работать нормально до 100 слов, но около 1000 слов он начинает терять свою хватку.

Кроме того, как и простой RNN, он также очень медленно обучается, а возможно, даже медленнее. Эти системы принимают ввод последовательно один за другим, что не очень хорошо использует графические процессоры, которые предназначены для параллельных вычислений. Позже я расскажу, как мы можем распараллелить последовательные данные. На данный момент мы имеем дело с двумя проблемами:

• Исчезающий градиент
• Медленное обучение

 

Решение проблемы исчезающего градиента

Внимание отвечает на вопрос о том, на какой части ввода мы должны сосредоточиться. Я собираюсь объяснить внимание с помощью гипотетического сценария:

Предположим, кто-то дал нам книгу по машинному обучению и попросил собрать всю информацию о категориальной кросс-энтропии. Есть два способа выполнения такой задачи. Во-первых, мы могли бы прочитать всю книгу и вернуться с ответом. Во-вторых, мы могли бы перейти к указателю, найти главу о потерях, перейти к части кросс-энтропии и просто прочитать соответствующую информацию о категориальной кросс-энтропии.

Как вы думаете, какой метод быстрее?

Первый подход может занять целую неделю, а второй — всего несколько минут. Кроме того, наши результаты первого метода будут более расплывчатыми и содержат слишком много информации. Второй подход более точно удовлетворит требованию.

Что мы здесь сделали по-другому?

В первом случае мы не остановились ни на одной части книги. Однако в последнем методе мы сосредоточили наше внимание на главе о потерях и, более конкретно, на той части, где объясняется концепция категориальной кросс-энтропии. Эта вторая версия — способ, которым большинство из нас, людей, на самом деле выполнило бы эту задачу.

Внимание в нейронных сетях чем-то похоже на то, что мы наблюдаем у людей. Это означает, что они сосредотачиваются на определенных частях входных данных, в то время как остальным уделяется меньше внимания.

Допустим, мы делаем NMT (нейронный машинный переводчик). Эта анимация показывает, как работает простая модель seq-to-seq.

Мы видим, что для каждого шага кодера или декодера RNN обрабатывает свои входные данные и генерирует выходные данные для этого временного шага. На каждом временном шаге RNN обновляет свое скрытое состояние на основе входных и предыдущих выходных данных, которые он видел. В анимации мы видим, что скрытое состояние на самом деле является вектором контекста, который мы передаем декодеру.

 

Время для внимания

Вектор контекста оказывается проблематичным для этих типов моделей, которые испытывают затруднения при работе с длинными предложениями. Или они, возможно, столкнулись с проблемой исчезающего градиента в длинных предложениях. Итак, решение появилось в статье, которая привлекла внимание. Это значительно улучшило качество машинного перевода, поскольку позволяет модели сосредоточиться на соответствующей части входной последовательности по мере необходимости.

Эта модель внимания отличается от классической последовательной модели двумя способами. Во-первых, по сравнению с простой последовательной моделью, здесь кодер передает гораздо больше данных декодеру. Раньше в декодер посылалось только конечное, скрытое состояние кодирующей части, а теперь кодер пропускает все скрытые состояния, даже промежуточные.

Часть декодера также выполняет дополнительный шаг перед созданием своего вывода. Этот шаг выполняется следующим образом:

1. Он проверяет каждое полученное скрытое состояние, поскольку каждое скрытое состояние кодировщика в основном связано с конкретным словом входного предложения.
2. Каждому скрытому состоянию присваивается оценка.
3. Каждая оценка умножается на соответствующую оценку softmax, таким образом усиливая скрытые состояния с высокими оценками и заглушая скрытые состояния с низкими оценками. Здесь доступна четкая визуализация.

Это упражнение по подсчету очков происходит на каждом временном шаге на стороне декодера.

Теперь, когда мы собираем все это вместе:

1. Уровень декодера внимания принимает встраивание токена и начальное скрытое состояние декодера. RNN обрабатывает свои входные данные и создает выходные данные и новый скрытый вектор состояния (h5).
2. Теперь мы используем скрытые состояния кодировщика и вектор h5 для вычисления контекстного вектора C4 для этого временного шага. Именно здесь применяется концепция внимания, дав ей название шага внимания.
3. Мы объединяем (h5) и C4 в один вектор.
4. Теперь этот вектор передается в нейронную сеть с прямой связью. Выход нейронных сетей прямой связи указывает выходное слово этого временного шага.
5. Эти шаги повторяются для следующих временных шагов. Здесь доступна четкая визуализация.

Итак, вот как работает внимание. Для дальнейшего разъяснения вы можете увидеть его применение к проблеме с субтитрами к изображениям здесь.

Помните, ранее я упоминал о распараллеливании последовательных данных? А вот и наши боеприпасы для этого.

Подробнее в AIПочему автоматизация превратит великую отставку в великую модернизацию

 

Трансформеры

авторы назвали трансформером.

Одно из основных отличий состоит в том, что входную последовательность можно передавать параллельно, что позволяет эффективно использовать графический процессор и увеличить скорость обучения. Он также основан на многоголовом слое внимания, поэтому он легко преодолевает проблему исчезающего градиента. В статье трансформатор применяется к NMT.

Итак, обе проблемы, о которых мы говорили ранее, здесь частично решены.

Например, в переводчике, состоящем из простой RNN, мы непрерывно вводим нашу последовательность или предложение, одно слово за раз, для создания встраивания слов. Поскольку каждое слово зависит от предыдущего слова, его скрытое состояние действует соответствующим образом, поэтому мы должны передавать его шаг за шагом.

Однако в преобразователе мы можем передать все слова предложения и одновременно определить вложение слов. Итак, давайте посмотрим, как это работает на самом деле:

Источник: arXiv:1706.03762

 

Блок кодировщика

Источник: arXiv:1706.03762

Компьютеры не понимают слов. Вместо этого они работают с числами, векторами или матрицами. Итак, нам нужно преобразовать наши слова в вектор. Но как это возможно? Вот где в игру вступает концепция встраивания пространства. Это похоже на открытое пространство или словарь, где слова со схожим значением сгруппированы вместе. Это называется пространством вложения, и здесь каждое слово, в соответствии с его значением, отображается и ему присваивается определенное значение. Таким образом, мы конвертируем наши слова в векторы.

Источник: arXiv:1706.03762

Еще одна проблема, с которой мы столкнемся, заключается в том, что в разных предложениях каждое слово может иметь разные значения. Итак, чтобы решить эту проблему, мы используем позиционные энкодеры. Это векторы, которые задают контекст в соответствии с положением слова в предложении.

Word → Встраивание → Позиционное встраивание → Конечный вектор, оформленный как Контекст.

Итак, теперь, когда наш ввод готов, он поступает в блок энкодера.

 

Мультиголовка Внимание, часть

  Источник: arXiv:1706.03762

Теперь самое главное в трансформере: внимание к себе.

Это фокусируется на том, насколько релевантно конкретное слово по отношению к другим словам в предложении. Он представлен в виде вектора внимания. Для каждого слова мы можем создать сгенерированный вектор внимания, который фиксирует контекстуальные отношения между словами в этом предложении.

Единственная проблема сейчас заключается в том, что для каждого слова оно имеет намного большее значение, чем само по себе в предложении, но мы хотим знать его взаимодействие с другими словами этого предложения. Итак, мы определяем несколько векторов внимания для каждого слова и берем средневзвешенное значение, чтобы вычислить окончательный вектор внимания для каждого слова.

Поскольку мы используем несколько векторов внимания, этот процесс называется блоком внимания с несколькими головками.

 

Сеть прямой связи

Источник: arXiv:1706.03762

Теперь второй шаг — нейронная сеть прямой связи. Простая нейронная сеть с прямой связью применяется к каждому вектору внимания, чтобы преобразовать векторы внимания в форму, приемлемую для следующего уровня кодера или декодера.

Источник: arXiv:1706.03762

Сеть прямой связи принимает векторы внимания по одному. И самое лучшее здесь то, что, в отличие от RNN, каждый из этих векторов внимания не зависит друг от друга. Итак, здесь мы можем применить распараллеливание, и в этом вся разница.

Выход энкодера. | Источник: arXiv:1706.03762

Теперь мы можем передавать все слова одновременно в блок кодировщика и одновременно получать набор закодированных векторов для каждого слова.

 

Блок декодера

Источник: arXiv:1706.03762

Теперь, если мы обучаем переводчика с английского на французский, для обучения нам нужно дать английское предложение вместе с его переведенной французской версией, чтобы модель могла научиться. Итак, наши английские предложения проходят через блок кодировщика, а французские предложения проходят через блок декодера.

Источник: arXiv:1706.03762

Во-первых, у нас есть слой внедрения и часть позиционного кодировщика, которая превращает слова в соответствующие векторы. Это похоже на то, что мы видели в части кодировщика.

 

Маскированная многоголовая часть внимания

  Источник: arXiv:1706.03762

Теперь он пройдет через блок самоконтроля, где векторы внимания генерируются для каждого слова во французских предложениях, чтобы представить, насколько каждое слово связано к каждому слову в одном предложении, как мы видели в части кодировщика.

Но этот блок называется замаскированным многоголовым блоком внимания, который я объясню простыми словами. Во-первых, нам нужно знать, как работает механизм обучения. Когда мы предоставляем английское слово, оно будет переведено на французский язык с использованием предыдущих результатов. Затем он сопоставляется и сравнивается с фактическим французским переводом, который мы ввели в блок декодера. После сравнения обоих он обновит значение своей матрицы. Вот как он научится после нескольких итераций.

Мы видим, что нам нужно скрыть следующее французское слово, чтобы сначала оно само предсказывало следующее слово, используя предыдущие результаты, не зная реального переведенного слова. Для обучения не было бы смысла, если бы он уже знал следующее французское слово. Поэтому нам нужно его скрыть (или замаскировать).

Мы можем взять любое слово из английского предложения, но для обучения мы можем взять только предыдущее слово из французского предложения. Итак, выполняя распараллеливание с матричной операцией, нам нужно убедиться, что матрица будет маскировать слова, появляющиеся позже, преобразовывая их в нули, чтобы сеть внимания не могла их использовать.

Источник: arXiv:1706.03762

Теперь результирующие векторы внимания из предыдущего уровня и векторы из блока кодировщика передаются в другой блок внимания с несколькими головками. Здесь также появляются результаты блока кодировщика. На схеме сюда же явно приходят результаты работы блока энкодера. Вот почему он называется блоком внимания кодер-декодер.

Поскольку у нас есть один вектор каждого слова для каждого английского и французского предложений, этот блок фактически выполняет сопоставление английских и французских слов и находит связь между ними. Итак, это та часть, где происходит основное сопоставление английских и французских слов.

Результатом этого блока являются векторы внимания для каждого слова в английских и французских предложениях. Каждый вектор представляет связь с другими словами в обоих языках.

Источник: arXiv:1706.03762

Теперь, если мы передадим каждый вектор внимания в модуль прямой связи, он придаст выходным векторам форму, которая будет легко принята другим блоком декодера или линейным уровнем. Линейный слой — это еще один уровень прямой связи, который расширяет измерения до количества слов на французском языке после перевода.

Теперь оно проходит через слой softmax, который преобразует входные данные в распределение вероятностей, которое может быть интерпретировано человеком, и результирующее слово создается с наибольшей вероятностью после перевода.

Вот пример из блога Google AI. В анимации преобразователь начинает с создания начальных представлений или вложений для каждого слова, представленного незакрашенными кружками. Затем, используя само-внимание, он собирает информацию из всех других слов, создавая новое представление для каждого слова, основанное на всем контексте, представленном закрашенными шариками. Затем этот шаг повторяется несколько раз параллельно для всех слов, последовательно создавая новые представления.

Декодер работает аналогично, но генерирует по одному слову слева направо. Он обращает внимание не только на другие ранее сгенерированные слова, но и на окончательные представления, сгенерированные кодировщиком.

Более интеллектуальный мирВы уверены, что можете доверять этому ИИ?

 

Вывод

Итак, вот как работает преобразователь, и теперь это современная техника НЛП. Его результаты с использованием механизма самоконтроля являются многообещающими, и он также решает проблему распараллеливания. Даже Google использует BERT, который использует преобразователь для предварительной подготовки моделей для распространенных приложений НЛП.

Что такое трансформаторная сеть | На пути к науке о данных

источник: арсений тогулев на unsplash.

Нейронная сеть Transformer представляет собой новую архитектуру, которая направлена ​​на решение последовательных задач, с легкостью обрабатывая долгосрочные зависимости. Он был предложен в статье «Внимание — это все, что вам нужно» 2017 [1]. Это современный современный метод в области НЛП.

Прежде чем перейти непосредственно к Трансформеру, я уделю некоторое время объяснению причин, по которым мы его используем, и того, как он появляется в картине. (Если вы хотите пропустить эту часть, то сразу переходите к теме Transformer, но я предлагаю вам прочитать ее последовательно для лучшего понимания).

Итак, история начинается с RNN (рекуррентных нейронных сетей).

Что такое РНН? Чем она отличается от простой ИНС? В чем основная разница?

RNN — это нейронные сети с прямой связью, развертываемые с течением времени.

источник: кола (CC0).

В отличие от обычных нейронных сетей, RNN предназначены для приема серий входных данных с без заранее определенного ограничения на размер . «Серия», как и любой вход этой последовательности, имеет некоторую связь со своими соседями или оказывает на них некоторое влияние.

Архитектура РНН. источник: кола (CC0).

Базовые сети с прямой связью тоже «помнят» что-то, но они помнят то, чему научились во время обучения. Хотя RNN учатся аналогичным образом во время обучения, кроме того, они запоминают то, что узнали из предыдущих входных данных, при создании выходных данных.

Изображение, иллюстрирующее долгосрочные зависимости. источник: кола (CC0).

Используется в различных типах моделей-

1. ) Модели векторной последовательности- Они принимают векторы фиксированного размера в качестве входных и выходных векторов любой длины, например, в подписи к изображению изображение задается как ввод и вывод описывают изображение.

2. ) Модель вектора последовательности- Возьмите вектор любого размера и выведите вектор фиксированного размера. Например. Анализ тональности фильма оценивает рецензию любого фильма как положительную или отрицательную в виде вектора фиксированного размера.

3. ) Модель «последовательность к последовательности» — Самый популярный и наиболее часто используемый вариант. Входные данные принимаются в виде последовательности, а выходные данные представляются в виде другой последовательности с различными размерами. Например. Языковой перевод для данных временных рядов для прогнозирования фондового рынка.

Недостатки-

1. Медленно тренируется.
2. Длинная последовательность приводит к исчезающему градиенту или, скажем, к проблеме долговременных зависимостей. Проще говоря, его память не так сильна, когда дело доходит до запоминания старой связи.

Для Например, . «Облака в ____».

Очевидно, что следующим словом будет небо, так как оно связано с облаками. Здесь мы видим, что расстояние между облаками и предсказанным словом меньше, поэтому RNN может легко его предсказать.

Но, для другого примера,

«Я вырос в Германии с моими родителями, я провел много лет и хорошо знаю их культуру, поэтому я свободно говорю ____».

Здесь прогнозируемое слово — немецкий язык, который напрямую связан с Германией, но расстояние между Германией и прогнозируемым словом в этом случае больше, поэтому RNN трудно предсказать.

Итак, к сожалению, по мере того, как этот разрыв увеличивается, RNN становятся неспособными к соединению, так как их память стирается с расстоянием.

источник: кола (CC0).

Долговременная кратковременная память — Особый вид RNN, специально созданный для решения задач исчезающего градиента. Они способны изучать долгосрочные зависимости. Запоминание информации в течение длительного периода времени практически является их поведением по умолчанию, а не тем, чему они изо всех сил пытаются научиться!

Эта ветвь позволяет передать информацию и пропустить долгую обработку ячейки. источник: кола (CC0).

Нейроны LSTM в отличие от обычных нейронов имеют ветвь, которая позволяет передавать информацию и пропускать длительную обработку текущей ячейки, это позволяет сохранять память в течение более длительного периода времени. Это действительно улучшает ситуацию с проблемой исчезающего градиента, но не так удивительно, как будто это будет хорошо до 100 слов, но примерно для 1000 слов он начинает терять свою хватку.

Но, как и простой RNN, он очень медленно обучается или даже медленнее.

Они берут ввод последовательно один за другим, что не может полностью использовать GPU, предназначенные для параллельных вычислений.

Как мы можем распараллелить последовательные данные?? (Я вернусь к этому вопросу.)

На данный момент мы имеем дело с двумя проблемами:

• Исчезающий градиент
• Медленное обучение

Решение проблемы исчезающего градиента:

Он отвечает на вопрос, на какой части ввода мы должны сосредоточиться.

Я собираюсь объяснить внимание несколько иначе. Возьмем ситуацию-

Предположим, кто-то дал нам книгу по машинному обучению и попросил нас предоставить информацию о категориальной кросс-энтропии. Есть два способа сделать это: во-первых, прочитать всю книгу и вернуться с ответом. Во-вторых, перейдите к указателю, найдите главу «потери», перейдите к части кросс-энтропии и прочитайте часть «Категорная кросс-энтропия».

Как вы думаете, какой метод быстрее?

Как и в первом способе, на прочтение всей книги может уйти целая неделя. В то время как во-вторых, это вряд ли займет 5 минут. Кроме того, наша информация из первого метода будет более расплывчатой ​​и разнообразной, поскольку она основана на слишком большом количестве информации, в то время как информация из второго метода будет точной в соответствии с требованиями.

Что мы здесь сделали по-другому?

В первом случае мы не сосредотачивались конкретно на какой-либо части книги, тогда как во втором случае мы сосредоточили наше внимание на главе о потерях, а затем сосредоточили наше внимание на кросс-энтропийной части, где концепция Категориальная перекрестная энтропия объяснена. На самом деле, именно так поступает большинство из нас, людей.

Внимание в нейронных сетях чем-то похоже на то, что мы наблюдаем у людей. Они фокусируются на высоком разрешении в определенных частях входных данных, в то время как остальная часть входных данных имеет низкое разрешение [2].

Допустим, мы делаем NMT (нейронный машинный переводчик),

Посмотрите на эту анимацию, она показывает, как работает простая модель последовательностей.

Работа классической модели Seq-to-Seq. источник: jalammar’s (CC BY-NC-SA 4.0).

Мы видим, что для каждого шага кодера или декодера RNN обрабатывает свои входные данные и генерирует выходные данные для этого временного шага. На каждом временном шаге RNN обновляет свое скрытое состояние на основе входных данных и предыдущих выходных данных, которые он видел. На анимации мы видим, что скрытое состояние на самом деле 9.0027 контекстный вектор мы передаем декодеру.

Время «Внимание» .

Контекстный вектор оказался проблематичным для этих типов моделей. У моделей проблемы с длинными предложениями. Или сказать, что они столкнулись с проблемой исчезающего градиента в длинных предложениях. Итак, решение пришло в статье [2], Внимание было введено. Это значительно улучшило качество машинного перевода, поскольку позволяет модели сосредоточиться на соответствующей части входной последовательности по мере необходимости.

Работа с последовательной моделью с вниманием. источник: jalammar’s (CC BY-NC-SA 4.0).

Эта модель внимания отличается от классической последовательной модели двумя способами:

• По сравнению с простой последовательной моделью здесь кодировщик передает гораздо больше данных декодеру. Если раньше в декодер посылалось только последнее, окончательное скрытое состояние кодирующей части, то теперь кодировщик передает в декодер все скрытые состояния (даже промежуточные).
• Часть декодера выполняет дополнительный шаг, прежде чем производить вывод. Объяснение ниже-

Последний шаг декодеров выполняется следующим образом:

1. Он проверяет каждое полученное скрытое состояние, поскольку каждое скрытое состояние кодировщика в основном связано с конкретным словом входного предложения.
2. Я даю оценку каждому скрытому состоянию.
3. Затем каждый балл умножается на соответствующий балл softmax, таким образом усиливая скрытые состояния с высокими баллами и заглушая скрытые состояния с низкими баллами. (Обратитесь к изображению ниже для четкой визуализации.)

источник: jalammar’s (CC BY-NC-SA 4.0).

Это упражнение по оценке выполняется на каждом временном шаге на стороне декодера.

Теперь, когда мы собираем все это вместе:

1. Уровень декодера внимания принимает встраивание токена и начальное скрытое состояние декодера, RNN обрабатывает его ввод и создает вывод и новый вектор скрытого состояния. (h5).
2. Теперь мы используем скрытые состояния кодировщика и вектор h5 для вычисления вектора контекста C4 для этого временного шага. Именно здесь применяется концепция внимания, поэтому она называется шагом внимания.
3. Мы объединяем (h5) и C4 в один вектор.
4. Теперь этот вектор передается в нейронную сеть с прямой связью, выход нейронных сетей с прямой связью указывает выходное слово этого временного шага.
5. Эти шаги повторяются для следующих временных шагов. (См. слайд ниже для четкой визуализации.)

Последний шаг. источник: jalammar’s (CC BY-NC-SA 4.0).

Итак, вот как работает Внимание .

Напр. Работа внимания в задаче подписи к изображению: —

Работа внимания в задаче подписи к изображению. источник: CodeEmporium (CC0).

Теперь вспомните вопрос, который я задавал ранее:

Как мы можем распараллелить последовательные данные??

Итак, вот наши боеприпасы-

Статья под названием «Внимание — это все, что вам нужно» , опубликованная в 2017 году, представляет архитектуру кодировщика-декодера, основанную на уровнях внимания, называемых преобразователем. .

Одно из основных отличий состоит в том, что входную последовательность можно передавать параллельно, что позволяет эффективно использовать GPU, а также можно увеличить скорость обучения. И он основан на многоголовом слое внимания, проблема исчезающего градиента также преодолевается с большим отрывом. Статья основана на применении трансформатора в NMT (нейронном машинном переводчике).

Итак, здесь обе наши проблемы, о которых мы говорили ранее, здесь до некоторой степени решены.

Как, например, в переводчике, состоящем из простых RNN, мы непрерывно вводим нашу последовательность или предложение, по одному слову за раз, чтобы генерировать вложения слов. Поскольку каждое слово зависит от предыдущего слова, его скрытое состояние действует соответствующим образом, поэтому необходимо выполнять по одному шагу за раз. В то время как в трансформере это не так, мы можем передать все слова предложения одновременно и определить вложение слова одновременно. Итак, как это работает на самом деле, посмотрим дальше- 9Источник 0003: arXiv:1706.03762 [cs.CL].

1. Блок энкодера —

источник: arXiv:1706.03762 [cs.CL].

Это факт, что компьютеры не понимают слов, они работают с числами, векторами или матрицами. Итак, нам нужно преобразовать наши слова в вектор. Но как это возможно. Итак, здесь приходит концепция Embedding Space . Это похоже на открытое пространство или словарь, где слова с похожими значениями сгруппированы вместе или расположены близко друг к другу в этом пространстве. Это пространство называется пространством вложения, и здесь каждое слово, в соответствии с его значением, отображается и ему присваивается определенное значение. Итак, здесь мы конвертируем наши слова в векторы. 9Источник 0003: arXiv:1706.03762 [cs.CL].

Но еще одна проблема, с которой мы столкнемся, заключается в том, что каждое слово в разных предложениях имеет разные значения. Итак, чтобы решить эту проблему, мы воспользуемся помощью позиционных энкодеров . Это вектор, который дает контекст в соответствии с положением слова в предложении.

Word → Встраивание → Позиционное встраивание → Конечный вектор, называемый контекстом.

Итак, наш ввод готов, теперь он поступает в блок энкодера.

Деталь внимания с несколькими головками —

источник: arXiv:1706. 03762 [cs.CL].

Теперь начинается основная суть трансформера, «Самовнимание».

Он фокусируется на том, насколько релевантно конкретное слово по отношению к другим словам в этом предложении. Он представлен в виде вектора внимания. Для каждого слова мы можем сгенерировать вектор внимания, который фиксирует контекстную связь между словами в этом предложении. Источник

: CodeEmporium (CC0).

Единственная проблема, с которой оно сталкивается, состоит в том, что для каждого слова оно имеет гораздо большую ценность в предложении, даже если мы склонны к его взаимодействию с другими словами этого предложения. Итак, мы определяем несколько векторов внимания для каждого слова и берем средневзвешенное значение, чтобы вычислить окончательный вектор внимания для каждого слова. 9Источник 0003: CodeEmporium (CC0).

Поскольку мы используем несколько векторов внимания, он называется многоголовым блоком внимания .

Сеть прямой связи —

источник: arXiv:1706. 03762 [cs.CL].

Второй шаг — нейронная сеть с прямой связью. Это простая нейронная сеть с прямой связью, которая применяется к каждому вектору внимания. Ее основная цель — преобразовать векторы внимания в форму, приемлемую для следующего уровня кодировщика или декодера. 9Источник 0003: arXiv:1706.03762 [cs.CL].

Сеть прямого распространения принимает векторы внимания «по одному». И самое лучшее здесь то, что в отличие от RNN, здесь каждый из этих векторов внимания на независимы друг от друга на . Итак, распараллеливание можно применить здесь, и в этом вся разница .

Выход энкодера. источник: arXiv:1706.03762 [cs.CL].

Теперь мы можем передать все слова одновременно в блок кодировщика и одновременно получить набор закодированных векторов для каждого слова.

2. Блок декодера —

источник: arXiv:1706.03762 [cs.CL].

Теперь, как если бы мы обучали переводчика с английского на французский язык, поэтому для обучения нам нужно дать английское предложение вместе с его переведенным французским предложением для обучения модели. Итак, наши английские предложения проходят через блок кодировщика, а французские предложения проходят через блок декодера.

источник: arXiv:1706.03762 [cs.CL].

Во-первых, у нас есть слой внедрения и часть позиционного кодировщика, которая изменяет слова в соответствующие векторы. Это похоже на то, что мы видели в части кодировщика.

Многоголовая часть для внимания в маске —

источник: arXiv:1706.03762 [cs.CL].

Теперь он пройдет через блок самоконтроля, где для каждого слова во французских предложениях генерируются векторы внимания, чтобы представить, насколько каждое слово связано с каждым словом в том же предложении. (Точно так же, как мы видели в части кодировщика).

Но этот блок называется Маскированный многоголовый блок внимания , и я объясню простыми словами:

Для этого нам нужно знать, как работает механизм обучения. Во-первых, мы даем английское слово, оно само переведет свою французскую версию , используя предыдущие результаты, затем оно будет соответствовать и сравниваться с фактическим французским переводом (который мы загрузили в блок декодера). После сравнения обоих он обновит значение своей матрицы. Вот как он научится после нескольких итераций.

Мы наблюдаем, что нам нужно скрыть следующее французское слово, чтобы сначала оно само предсказывало следующее слово, используя предыдущие результаты, не зная реального переведенного слова. Для того, чтобы обучение состоялось, не будет никакого смысла, если оно уже знает следующее французское слово. Поэтому нам нужно его скрыть (замаскировать).

Это пример англо-французского перевода. источник: CodeEmporium (CC0).

Мы можем взять любое слово из английского предложения, но для заучивания мы можем взять только предыдущее слово из французского предложения. Итак, выполняя распараллеливание с матричной операцией, мы убеждаемся, что матрица должна маскировать слова, появляющиеся позже, путем преобразования их в 0, чтобы сеть внимания не могла их использовать.

источник: arXiv:1706.03762 [cs.CL].

Теперь результирующие векторы внимания из предыдущего слоя и векторы из блока кодировщика передаются в другой Многоголовый блок внимания . ( в этой части также появляются результаты от блока энкодера. На диаграмме также ясно видно, что сюда поступают результаты от блоков энкодера. ). Вот почему он называется Encoder-Decoder Attention Block .

Поскольку у нас есть один вектор каждого слова для каждого английского и французского предложения. Этот блок фактически выполняет сопоставление английских и французских слов и определяет связь между ними. Итак, это та часть, где происходит основное сопоставление английских и французских слов.

Результатом этого блока являются векторы внимания для каждого слова в английских и французских предложениях. Каждый вектор представляет связь с другими словами в обоих языках .

источник: arXiv:1706.03762 [cs.CL].

Теперь мы передаем каждый вектор внимания в блок прямой связи, он формирует выходные векторы во что-то, что легко принимается другим блоком декодера или линейным слоем.

Линейный слой — это еще один слой прямой связи. Он используется для расширения размеров до количества слов на французском языке после перевода.

Теперь он проходит через уровень Softmax, который преобразует входные данные в вероятностное распределение, понятное человеку.

И полученное слово получается с наибольшей вероятностью после перевода.

Ниже приведен пример, который был проиллюстрирован в блоге Google AI [6] , я поместил его здесь для справки.

Обзор — Работа трансформаторной сети. источник: Google AI (CC0).

Преобразователь начинает с создания начальных представлений или вложений для каждого слова. Они представлены незакрашенными кружками. Затем, используя само-внимание, он собирает информацию из всех других слов, создавая новое представление для каждого слова, основанное на всем контексте, представленном закрашенными шариками. Затем этот шаг повторяется несколько раз параллельно для всех слов, последовательно создавая новые представления.

Декодер работает аналогично, но генерирует по одному слову слева направо. Он обращает внимание не только на другие ранее сгенерированные слова, но и на окончательные представления, сгенерированные кодировщиком.

Итак, вот как работает преобразователь, и теперь это самая современная техника в НЛП. Он дает замечательные результаты, используя механизм самоконтроля , а также решает проблему распараллеливания. Даже Google использует BERT , который использует преобразователь для предварительной подготовки моделей для распространенных приложений НЛП.

Сетевой трансформатор Safe-NET — GE Grid Solutions — Каталоги в формате PDF | Техническая документация

Добавить в избранное

{{requestButtons}}

Выдержки из каталога

Сетевой трансформатор Safe-NET Безопасное и надежное электроснабжение вторичных энергосистем Коммунальные предприятия обеспечивают безопасное и надежное электроснабжение своих конечных потребителей. В крупных мегаполисах с густонаселенными городами коммунальные службы предоставляют эту услугу через вторичные сетевые распределительные системы. Эти сетевые системы в основном находятся под землей, поэтому сетевые трансформаторы, поддерживающие эти системы, являются жизненно важной и важной частью электрической инфраструктуры. Сетевые трансформаторы GE Safe-NET являются самыми безопасными трансформаторами, доступными в отрасли, для применения во вторичных сетях. Сетевые трансформаторы Safe-NET предназначены для подачи питания на сетевую шину и способны выдерживать значительные кратковременные перегрузки в этом приложении. Эксклюзивная конструкция бака трансформатора GE основана на запатентованной технологии бака, которая сводит к минимуму опасность разрыва трансформатора, смягчая его воздействие на соседние активы и общественную безопасность. Ключевые преимущества • Повышение общественной безопасности Запатентованная конструкция резервуара значительно снижает риск для населения и имущества, которые могут находиться в непосредственной близости от трансформатора, когда происходит событие высокой энергии • Повышенная эксплуатационная безопасность и производительность Конструкция резервуара способна выдерживать более 11 мегаджоулей энергии, что превышает требования к давлению, изложенные в стандарте IEEE C57. 12.40 • Подтвержденное снижение рисков и уверенность в себе Независимая проверка KEMA третьей стороной конструкции резервуара и реакции на события с высокой энергией • Исключительная долговечность и надежность продукта Цинк Используемые эпоксидный грунт и черная эпоксидная краска превосходят любые другие краски, используемые сегодня, и проходят сертификационные испытания в соляном тумане в течение 10 000 часов • Экологичность с низким углеродным следом Доступное изоляционное масло на растительной основе с высокой температурой воспламенения снижает воздействие на окружающую среду Области применения Сетевые трансформаторы Safe-NET компании GE используются в приложениях, где безопасность, надежность и обслуживание остаются неизменными. Ключевыми целями являются удобство и минимальное техническое обслуживание, в том числе: • Применение в подземных городских хранилищах • Офисные башни, небоскребы • Правительственные, коммерческие, институциональные и • Приложения в хранилищах с периодическим/постоянным погружением промышленных объектов Сетевые трансформаторы GE также могут применяться в несетевых приложениях где превосходная герметизация и защита от коррозии имеют первостепенное значение. Эти несетевые приложения также включают межсвязные [ступенчатые] трансформаторы для соединения двух различных систем напряжения. Эксклюзивная конструкция бака • Запатентованная технология бака обеспечивает безопасный и контролируемый режим отказа во время событий высокой энергии • Эксклюзивная конструкция бака трансформатора и запатентованная технология бака минимизируют опасность события «окончание срока службы» в результате отказа высокой энергии • Лучшее антикоррозионная краска класса минимизирует техническое обслуживание при длительных перевозках и увеличивает срок службы трансформатора Превышает отраслевые стандарты • Конструкция бака Safe-NET превышает требования к давлению в баке, установленные в стандарте ANSI®/ IEEE® C57.12.40 • Запатентованная конструкция бака может содержать наиболее энергоемкие события • Лучший в своем классе жизненный цикл продукта, включая установленную базу со сроком службы более 85 лет Проверено третьей стороной • Блоки GE способны выдерживать более 11 МДж энергии, что подтверждено испытаниями KEMA® • Испытано и сертифицировано для самых высоких северных Американский стандарт для приземных сейсмических уровней, CBC-2013, раздел 1705A. 12 и IBC 2012, раздел 1705.12, испытан на (значение ускорения) SDS = 2,5 • Превосходный эпоксидно-цинковая грунтовка и черная эпоксидная краска с сертификацией 10 000 часов работы в солевом тумане

Обзор вторичной сети низкого напряжения С 1920-х годов вторичная сеть низкого напряжения была эффективным методом обслуживания плотных нагрузок, таких как офисные здания и центральные районы. Базовая конструкция сетевой системы обеспечивает высокую надежность и надежное качество электроэнергии. Надежность сетевой системы зависит от наличия нескольких источников. Сетевая сеть на диаграмме ниже показывает, что сетевая система питается от нескольких трансформаторов с несколькими источниками на подстанции. Это означает, что потеря любого отдельного трансформатора или линии не повлияет на обслуживаемую нагрузку…

Обзор применения сетевого трансформатора Трансформаторы, которые используются в этих вторичных сетях низкого напряжения, называются сетевыми трансформаторами. Ограничения по площади в городских условиях приводят к тому, что сетевые трансформаторы устанавливаются в различных приложениях, таких как внутренние и наружные хранилища, а также внутри зданий. Во всех этих приложениях эти сетевые трансформаторы обычно располагаются в непосредственной близости от пешеходного и другого транспорта. На изображении справа представлено типичное применение сетевого трансформатора, когда он размещен в подземном хранилище под…

Сетевые трансформаторы GE Проблемы проектирования энергетических баков с высокой степенью неисправности Возникновение дугового разряда, коррозия и перегрузки являются тремя ключевыми факторами, приводящими к износу баков в сетевых трансформаторах. Учитывая размещение сетевых трансформаторов в подземных хранилищах, которые очень часто находятся ниже тротуаров, сервисные мероприятия в полевых условиях представляют риск травмирования людей, находящихся в непосредственной близости, а также дополнительный ущерб имуществу и перебои в подаче электроэнергии. Традиционные сетевые трансформаторы не обладают такой же способностью сдерживать события высокой энергии, которые часто могут вызвать нежелательный побочный ущерб в результате неконтролируемого резервуара. ..

Характеристики сетевого трансформатора Распределительная коробка со снятой крышкой (первичный переключатель открыт) Первичные контакты переключателя и ротор Указатель уровня жидкости в распределительной коробке и условия заполнения Термометр основного бака Указатель уровня жидкости в основном баке

СТАНДАРТНОЕ ПРЕДЛОЖЕНИЕ ДОПОЛНИТЕЛЬНОЕ ПРЕДЛОЖЕНИЕ Номинальная мощность от 300 кВА 2500 кВА (только трехфазное) • До 3000 кВА для понижающих/междуходных конструкций • Специальные номиналы кВА для максимального увеличения кВА/дюйм3 в хранилище Номинальные напряжения • Первичное напряжение от 2,4 кВ до 34,5 кВ • Двойное напряжение (последовательное кратное) первичное • Отводы первичной обмотки в соответствии с C57.12.40 • Специальные ответвления первичной обмотки • Вторичное напряжение от 208GrdY/120 до 480GrdY/277 • Вторичное напряжение до 4,33 кВ (номинальное значение BIL 60 кВ). БИЛ номинал 30кВ БИЛ Тепловой…

Все каталоги и технические брошюры GE Grid Solutions

1. Статические компенсаторы реактивной мощности

   12 страниц

2. Синхронные конденсаторные системы

   8 страниц

3. Высоковольтные системы постоянного тока

   12 страниц

4. Kelman TRANSFIX

   2 страницы

5. Kelman MINITRANS

   2 страницы

6. MIG

   3 страницы

7. DTR

   4 страницы

8. SPM

   8 страниц

9. ТОВ

   3 страницы

10. MDS серии SD

    4 страницы

11. MIC

    2 страницы

12. Multilin F60

    9 страниц

13. Модель PT7-1-150 и PT7-1-200

    2 страницы

14. Модели PT7-2-150 и PT7-2-200

    2 страницы

15. Модель PT6-2-125

    2 страницы

16. Модель PT6-1-125

    2 страницы

17. Модели PTW5-1-110 и PTW5-2-110

    2 страницы

18. Модели PTG5-1-110 и PTG5-2-110

    2 страницы

19. Модели PTG4-1-75 и PTG4-2-75

    2 страницы

20. Модели PTW3-1-60 и PTW3-2-60

    2 страницы

21. Модели PTG3-1-60 и PTG3-2-60

    2 страницы

22. Модели PT3-1-45 и PT3-2-45

    2 страницы

23. Модель 3PT3-60

    2 страницы

24. Регуляторы напряжения

    16 страниц

25. MIG II

    8 страниц

26. Модель JVW-110C

    2 страницы

27. Модель JVW-5AC-1

    2 страницы

28. Модель JVW-5C

    2 страницы

29. Multilin T60

    9 страниц

30. Multilin 489

    9 страниц

31. Multilin™ D25

    8 страниц

32. Multilin D485

    1 стр.