Hoppa till innehåll
EN In english

Multiskalmodellering för optimering av transformatorer

Diarienummer
SM18-0022
Start- och slutdatum
190101-211231
Beviljat belopp
639 530 kr
Förvaltande organisation
Uppsala University
Forskningsområde
Materialvetenskap och materialteknologier

Summary

Den ökande globala efterfrågan på energi, samt de ökade kraven på hållbara energikällor som medför distribuerad produktion, ställer nya krav på distributionsnätet. För att effektivt transportera elektricitet över stora avstånd krävs transformatorer för att upprätthålla spänningen i nätet. Effektiviteten hos transformatorerna är alltså av yttersta vikt för att minimera förlusterna i eldistributionen. Huvudsyftet med det här projektet är att möjliggöra nya optimeringsformer för transformatorerna genom att tillgängliggöra materialens mikrostruktur och magnetiseringsdynamik i de modeller som används för att optimera transformatorerna. Det här åstadkoms genom så kallad multi-skals simulering, där detaljer ända från atom-nivå inkorporeras i modellerna enligt följande schema: 1) Extrahera information om hur interatomära magnetiska kopplingar, magnetokristalin anisotropi och spinnstyvheten beror på mikrostrukturen från kvantmekaniska beräkningar. 2) Använd den extraherade informationen i atomistisk spin-dynamik för att modellera hur magnetiska domäner förändras och hur energiförluster uppstår. 3) En effektive permeabilitet, beroende på mikrostrukturen, kan nu användas i existerande modeller som används i industrin för att optimera transformatordesign. Arbetet förväntas öppna nya vägar till optimering, där materialens tillverkningsprocess kan skräddarsys för tillämpningar inom transformatorer.

Populärvetenskaplig beskrivning

Den ökande globala efterfrågan på energi, samt de ökade kraven på hållbara energikällor som medför distribuerad produktion, ställer nya krav på distributionsnätet. För att effektivt transportera elektricitet över stora avstånd krävs transformatorer för att upprätthålla spänningen i nätet. Effektiviteten hos transformatorerna är alltså av yttersta vikt för en effektiv eldistribution. För att skapa effektiva transformatorer används ofta en magnetisk kärna, som förstärker det magnetiska fält som induceras av strömmen i den primära ledaren. Det förstärkta fältet inducerar en kraftigare ström i sekundärledaren än vad man skulle haft utan kärnan. En stor källa till effektförluster i transformatorn är så kallade hystereseffekter, som uppkommer då den magnetiska kärnan i transformatorn ska växla riktning på det interna magnetiska fältet. I dagsläget används elektroplåt, ett specialmaterial som ska minska hysteresförlusterna. Vid designen av en transformator optimeras också den makroskoposka geometrin för att för att hålla nere effektförluster. Just hysteresförluster är av stor vikt att minimera, då dom belastar strömkällan även om inte transformatorn själv driver någonting, det uppstår alltså passiva effektförluster. Huvudsyftet med det här projektet är att möjliggöra nya optimeringsformer för transformatorerna genom att tillgängliggöra materialens mikrostruktur och magnetiseringsdynamik i de modeller som används för att optimera transformatorerna. På så sätt kan transformatortillverkare som ABB samverka bättre med materialproducenter och arbeta fram transformatorer med mindre effektförluster. I det här projektet görs det genom en så kallad multi-skal metod, där fysikaliska fenomen som spänner 10 storleksordningar i längdskala vävs samman. De minsta längdskalorna som behandlas är på atom-nivå, där används kvantmekaniska modeller för att beskriva hur magnetismen förändras beroende på materialsammansättning, temperatur och externa magnetiska fält. Den erhållna karaktäristiken kan sen användas för att studera hur materialens mikrostruktur påverkar de förluster som uppstår när materialets magnetism byter riktning. Härifrån kan sedan härledas klassiska parametrar som i detalj beror på materialets mikrostruktur, temperatur och yttre magnetfält, som kan användas i existerande optimeringsmjukvara för att behandla fullskaliga transformatorer.