博客
关于我
ABB高过载能力脉冲电流互感器
阅读量:281 次
发布时间:2019-03-01

本文共 422 字,大约阅读时间需要 1 分钟。

ABB电流互感器采用双回路设计,具备电气隔离功能,能够精准测量直流、交流及脉动电流。

性能亮点

  • 电气隔离设计:采用一次线圈和二次线圈的双重隔离结构,确保测量安全性。
  • 多波形测量能力:可精确捕捉直流、交流及各种脉动电流波形特性。
  • 高精度与高动态:测量精度可达±0.5%,动态性能满足0-200kHz测量带宽需求。
  • 强大的过载能力:可承受高达40kA的峰值电流,保证长时间稳定运行。
  • 卓越的可靠性:设计结构可靠,适用于复杂工业环境。

技术特点

  • 电气隔离实现:一次与二次线圈之间采用双层电气隔离设计。
  • 多种电流测量:支持直流、交流及脉动电流的精确测量。
  • 高性能指标:精度小于0.1%,线性度优秀,动态响应灵敏。
  • 抗过载能力:可持续承受高达40kA的瞬态电流冲击。

规格参数

  • 测量范围:5A至2kA
  • 测量精度:±0.5%
  • 测量带宽:0-200kHz
  • 电压隔离能力:3kV至4kV

ABB电流互感器凭借其卓越的性能和可靠性,成为电力电路监测中的理想选择。

转载地址:http://nzft.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>