تعیین ظرفیت و مکان بهینه ذخیره سازی انرژی فلایویل برای بازیابی انرژی ترمز احیاکننده در خط ۵ متروی تهران–کرج
محل انتشار: فصلنامه جاده، دوره: 34، شماره: 129
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 8
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ROAD-34-129_015
تاریخ نمایه سازی: 22 آبان 1405
چکیده مقاله:
سامانه های ذخیره سازی انرژی فلایویل (FESS) با پاسخ دینامیکی سریع و عمر چرخه ای بالا، گزینه ای موثر برای بازیابی انرژی ترمز در حمل ونقل ریلی هستند، اما کارایی آن ها به ماشین الکتریکی یکپارچه با روتور وابسته است. این پژوهش، دو توپولوژی ماشین آهنربای دائم با شار محوری (AFPM) - با هسته استاتور و بدون هسته - را برای کاربرد پرسرعت ذخیره سازی مقایسه می کند. دو نمونه با مشخصات یکسان (۱۷.۵ اسب بخار، ۲۵۰۰۰ تا ۵۰۰۰۰ دور بر دقیقه) با روش اجزای محدود مدل سازی و از نظر توان ویژه، بازده و تلفات مدار باز ارزیابی شدند. نتایج نشان می دهد توپولوژی بدون هسته، مستقل از تعداد قطب ها، توان ویژه ی بالاتری (~۶ کیلووات بر کیلوگرم) دارد، در حالی که ساختار با هسته به دلیل جرم فرومغناطیسی، توان ویژه ی کمتری ارائه می دهد. در سرعت های بسیار بالا (۵۰۰۰۰ دور بر دقیقه)، افزایش قطب ها در نوع بدون هسته، بازده را به دلیل تلفات جریان گردابی شدیدا کاهش می دهد که نیازمند سیم های لیتز است. در مقابل، ساختار با هسته به دلیل تلفات هسته در فرکانس های بالا، به قطب های کمتر محدود می شود. نتیجه آنکه ماشین های بدون هسته با حذف تلفات هسته و چگالی توان بیشتر، برای یکپارچه سازی فشرده با فلایویل مناسب ترند، به شرط آنکه مدیریت حرارتی و تلفات رسانا با فناوری سیم پیچی پیشرفته کنترل شود. این نتایج چارچوبی فنی برای انتخاب ماشین بهینه در پروژه های بازیابی انرژی مترو فراهم می آورد.
نویسندگان
علی جاندوست
گروه مهندسی مکانیک، واحد واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
شهرام اعتمادی حقیقی
گروه مهندسی مکانیک، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
پژمان صالحی
گروه مهندسی مکانیک، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :